Amostragem do trabalho na indústria: descubra atrasos ocultos

Início » Recursos » Amostragem do trabalho na indústria: descubra atrasos ocultos

Tempo de leitura estimado: 12 minutos

Em uma visita à fábrica, um turno pode parecer sobrecarregado; em outra, o mesmo turno pode parecer subutilizado. Nenhuma dessas visitas revela quanto tempo é dedicado a fabricar peças, preparar o trabalho ou esperar que algo chegue.

A amostragem do trabalho substitui essas impressões por um conjunto planejado de observações aleatórias. Ela ajuda a identificar as condições que interrompem a produção e a escolher uma melhoria que valha a pena testar. O resultado útil não é uma nota sobre o quanto as pessoas parecem ocupadas, mas uma resposta mais clara sobre o que impede o trabalho de avançar.

Depois que você verifica os efeitos de uma melhoria, o SkyPlanner APS usa os novos tempos de operação e a nova disponibilidade dos recursos para gerar uma programação de produção coordenada. Você gasta menos tempo refazendo as filas de operações de cada máquina e consegue visualizar o impacto da mudança nos pedidos que precisa entregar.

O que é amostragem do trabalho?

A amostragem do trabalho é um método estatístico que estima a proporção do tempo dedicado a atividades definidas por meio da observação de pessoas ou máquinas em instantes escolhidos aleatoriamente. Cada observação registra a atividade em curso naquele instante. A proporção de observações em uma categoria estima a parcela do tempo do estudo dedicada a ela, desde que o plano de amostragem represente esse período.

Por exemplo, um estudo na área de montagem pode distinguir montagem, setup, inspeção, espera por material e outras interrupções. Registrar essas categorias ao longo de turnos representativos fornece evidências mais úteis do que classificar tudo apenas como trabalho produtivo ou ociosidade.

O método é especialmente útil quando as atividades variam, as interrupções ocorrem de forma dispersa e a observação contínua exigiria um esforço considerável. Não é preciso acompanhar cada operação do início ao fim para compreender a distribuição geral das atividades.

Quando precisar de outro tipo de resposta, escolha outra forma de medição:

• Um estudo de tempos na produção analisa elementos de trabalho definidos e pode estabelecer um tempo padrão fundamentado. Observações instantâneas e aleatórias das atividades não mostram quanto tempo leva cada elemento de curta duração.
• O apontamento de produção registra eventos e o tempo real dedicado a ordens ou operações. Esses registros mostram quais trabalhos consumiram as horas apontadas, em vez de fornecer uma amostra aleatória de todas as atividades.

Um estudo formal de medição do trabalho pode combinar a amostragem com outras evidências para estabelecer padrões. O percentual de uma atividade, por si só, porém, não é um tempo padrão nem uma medida do ritmo de trabalho de alguém.

Comece pela decisão a tomar, não pela contagem de ocupados e ociosos

Escolha uma pergunta cuja resposta possa mudar a forma como a fábrica trabalha. “Quanto tempo a equipe de montagem passa esperando por componentes?” é um bom ponto de partida se você puder atuar na preparação de materiais. Já “Qual é a eficiência de cada pessoa?” é uma pergunta vaga demais para orientar bem o estudo ou a interpretação dos resultados.

Defina o objetivo em conjunto com quem executa o trabalho. Explique o que será observado, como as categorias são definidas, quem terá acesso aos resultados e qual decisão eles vão embasar. Pergunte aos operadores quais interrupções não aparecem nos registros existentes. O estudo é mais útil quando as pessoas podem explicar a falta de um kit do que quando se sentem incentivadas a esconder a espera.

Defina a população do estudo: as pessoas ou máquinas, os turnos, os dias e as condições de produção que o resultado deve descrever. Um estudo do turno diurno de uma área de montagem não descreve automaticamente o trabalho noturno nem a fábrica inteira.

Em seguida, escolha a unidade de observação. Um operador em determinado instante é uma unidade; uma máquina em determinado instante é outra. Mantenha separados os estados de cada um. Uma máquina pode estar cortando automaticamente enquanto seu operador inspeciona outra peça. A máquina está em funcionamento e o operador está inspecionando: nenhuma das observações precisa ser classificada como ociosidade.

Deixe claro também qual período entra no cálculo. Se o estudo abranger todo o turno remunerado, inclua a categoria de pausas correspondente. Se abranger apenas períodos de operação definidos, informe esse denominador. Não compare os dois como se medissem a mesma coisa.

Defina atividades que os observadores consigam reconhecer

Use um conjunto pequeno de categorias mutuamente exclusivas para a unidade de observação escolhida e que cubram as situações esperadas. Escreva uma definição breve para cada uma, com exemplos da própria área.

“Espera por material” deve indicar que o trabalho selecionado não pode avançar porque o material necessário não está disponível, e não que o operador está, por acaso, perto da estante de materiais. Para “setup”, deve haver um critério acordado que delimite seu início na preparação e seu término quando tudo estiver pronto para produzir. Mantenha a inspeção necessária em uma categoria visível, em vez de escondê-la em uma categoria genérica de atividades não produtivas.

Inclua um código para atividade desconhecida ou não observável. Se não for possível determinar o que está acontecendo, registre a incerteza em vez de tentar adivinhar a causa. Analise esses casos separadamente; eles não devem ser retirados do denominador sem que isso fique explícito.

Teste as definições em um breve estudo piloto. Peça aos observadores que classifiquem as mesmas situações e discutam as divergências. Se uma pessoa classifica a busca por uma ferramenta como setup e outra como espera, o estudo estará medindo, em parte, suas definições, e não o trabalho. Resolva isso antes de coletar a amostra principal.

O estudo piloto também revela problemas práticos: pontos de observação inacessíveis, um percurso demorado demais ou categorias tão detalhadas que não é possível distingui-las com uma olhada rápida.

Colete observações aleatórias em condições representativas da produção

Gere os horários de observação com antecedência usando uma ferramenta de números aleatórios e distribua a amostragem pelos turnos e dias relevantes para a decisão. Selecione a pessoa ou máquina conforme o plano, em vez de escolher o que parecer mais interessante ao chegar.

Uma visita regular a cada meia hora pode coincidir repetidamente com o reabastecimento, uma pausa ou um ciclo de máquina. Visitar apenas quando o supervisor tem tempo livre cria outro tipo de viés. Horários aleatórios ajudam a evitar esses padrões; abranger as condições de operação relevantes torna o resultado útil para além de uma manhã escolhida por conveniência.

Em cada instante selecionado, registre a atividade em curso, sem esperar que a próxima comece. Guarde a data e a hora, a unidade de observação, a categoria e as informações relevantes sobre o turno ou produto. Faça uma breve anotação factual quando isso puder ajudar a investigar um atraso. Não interrompa a atividade para pedir uma explicação e depois classifique a conversa que você mesmo provocou.

Registre as observações não realizadas e os motivos. Substituir toda observação inacessível ou difícil por outra mais fácil nas proximidades pode alterar o que a amostra representa.

Se você deliberadamente coletar mais amostras em um turno, apresente os resultados de cada turno separadamente ou combine-os usando pesos que reflitam o tempo ou a população que se pretende estimar. Simplesmente reunir observações coletadas com frequências diferentes pode fazer com que um turno atípico domine o resultado.

Também é importante distinguir a quantidade de observações da quantidade de informação independente. Observar vários operadores durante uma única ronda gera vários registros, mas uma falta de material que afete todos eles pode tornar seus estados relacionados. Observações repetidas durante a mesma parada têm uma limitação semelhante. Mantenha as rondas e os grupos de observações por período identificáveis, para que a análise possa levar esse agrupamento em conta.

Quantas observações são necessárias na amostragem do trabalho?

O tamanho da amostra depende da precisão necessária para a decisão e da proporção esperada da atividade. Nenhuma quantidade de observações torna todo e qualquer estudo representativo.

Para planejar uma amostra aleatória simples de observações independentes, uma aproximação comum para a proporção de uma atividade é:

n ≈ z² × p × (1 − p) ÷ e²

Nessa fórmula, n é o número de observações, p é a proporção esperada expressa em decimal, e é a margem de erro absoluta desejada e z é o valor da distribuição normal correspondente ao nível de confiança escolhido. Para um nível de confiança aproximado de 95%, z é 1,96. Arredonde o número de observações calculado para cima.

Se você ainda não tem uma estimativa confiável de p, usar 0,50 resulta no maior número de observações para uma dada margem absoluta. Com uma margem de cinco pontos percentuais, e = 0,05, o cálculo resulta em 385 observações. Esse é um exemplo de planejamento com essas premissas, não um mínimo universal nem uma garantia para todos os subgrupos.

Seja preciso ao falar em “cinco por cento”. Uma proporção de espera de 20% com margem de cinco pontos percentuais significa um intervalo de aproximadamente 15% a 25%. Já uma margem relativa de 5% dessa proporção significa apenas um ponto percentual para mais ou para menos, o que exige uma amostra muito maior.

Planeje a precisão em função da categoria e da comparação que importam. Um total de observações adequado para estimar a proporção geral de espera pode ser insuficiente para analisar turnos separadamente, atrasos raros ou centros de trabalho individuais. Observações agrupadas em rondas também exigem uma análise que considere o desenho amostral, em vez de tratar cada registro como independente. Se a decisão envolver uma pequena mudança ou um investimento significativo, peça a um especialista em amostragem que avalie o desenho antes de iniciar a coleta principal de dados.

Exemplo: use as contagens de atividades para identificar o que melhorar

Imagine uma área de montagem manual em que a equipe suspeita que kits de materiais incompletos interrompem o trabalho. Um estudo coleta 400 observações de operadores em instantes específicos, com igual probabilidade de seleção, ao longo dos períodos de produção incluídos no escopo. Para este exemplo simplificado, considere que as observações são independentes e que todas podem ser classificadas.

Atividade observada	Observações	Proporção das observações
Montagem	200	50%
Setup e preparação	60	15%
Inspeção	40	10%
Espera por material	80	20%
Outros atrasos identificados	12	3%
Pausas planejadas	8	2%
Total	400	100%

A proporção estimada de espera por material é 80 ÷ 400 = 20%. Esse valor descreve o tempo dos operadores considerado em conjunto e representado pelo estudo. Isso não significa que cada operador espere exatamente um quinto de cada turno, nem que todas as interrupções tenham a mesma duração.

Para essa proporção isolada, uma aproximação normal simples resulta em:

Margem aproximada com 95% de confiança = 1,96 × √[0.20 × 0.80 ÷ 400] = 0,0392

Isso equivale a cerca de 3,9 pontos percentuais, resultando em um intervalo aproximado de 16,1% a 23,9%. Esse intervalo expressa a incerteza amostral sob as premissas apresentadas. Ele não contempla um cronograma de observação enviesado, atividades classificadas incorretamente ou um mix de produtos diferente no mês seguinte.

Para amostras pequenas ou proporções de atividades próximas de zero ou um, use um intervalo mais adequado, como o de Wilson ou o binomial exato, em vez de depender dessa aproximação simétrica. Quando as observações forem agrupadas ou ponderadas, use um método que também leve em conta o desenho amostral.

A conclusão operacional é mais clara do que as casas decimais: a espera por material merece investigação. Comece verificando em que ponto os kits afetados ficaram incompletos, quais componentes faltavam e se seria possível iniciar a montagem seguinte no lugar daquela que ficou parada. A categoria indica onde investigar; a equipe e os registros de apoio explicam por que isso aconteceu.

Melhore as condições e depois verifique o que mudou

Analise os resultados com os operadores, a equipe de movimentação de materiais e o responsável pelo processo afetado. Separe o trabalho necessário das interrupções evitáveis. A inspeção pode proteger a qualidade, o setup viabiliza o próximo lote e as pausas ajudam a sustentar a jornada de trabalho. Nenhuma dessas atividades se torna um desperdício eliminável só porque não é montagem.

Escolha uma mudança pontual e defina um responsável. No exemplo da montagem, isso pode significar confirmar se os kits estão completos antes de liberar o trabalho para a área. Verifique se o problema de componentes faltantes diminui e se o trabalho realmente consegue avançar mais cedo, em vez de apenas transferir a espera para outro departamento.

Repita as observações em condições comparáveis, mantendo as mesmas definições de categorias e os mesmos limites de tempo. Além dos percentuais principais, compare o mix de produtos, o efetivo e os eventos fora da rotina. Uma pequena variação percentual dentro da incerteza do estudo não é, por si só, uma evidência convincente; uma mudança no mix também pode fazer o resultado parecer melhor sem que o método de trabalho tenha melhorado.

Acima de tudo, não converta diretamente a proporção original de 20% de espera em 20% de capacidade adicional. O aproveitamento do tempo liberado pode exigir outra pessoa, e esse tempo pode estar fragmentado ou coincidir com o funcionamento de uma máquina que já estava em operação. Também pode ser um período em que nenhuma outra operação poderia usar o centro de trabalho.

Verifique o efeito sobre o recurso que você pretende programar. Se um método de preparação melhorado realmente reduzir o setup, meça e aprove a nova duração. Se ele ampliar o período de disponibilidade de um centro de trabalho, confirme se as pessoas e os equipamentos conseguem sustentar essa disponibilidade. Mantenha distintos o esforço de mão de obra, o tempo decorrido da operação e a ocupação da máquina.

Incorpore as melhorias verificadas à programação da produção

Uma melhoria validada afeta mais do que o centro de trabalho estudado. Um setup mais curto pode permitir que o próximo pedido comece antes, mas esse pedido ainda precisa de material e espaço na operação seguinte. Outros pedidos podem estar disputando as mesmas máquinas. É nesse ponto que uma melhoria local precisa de um plano de produção compartilhado.

O SkyPlanner permite definir a duração das etapas do processo usando o tempo por peça, a taxa de produção ou um tempo fixo, mantendo identificáveis os tempos de setup e de finalização. Os turnos dos centros de trabalho definem os períodos disponíveis. Arcturus, a IA de programação do SkyPlanner, calcula a programação considerando a capacidade, as dependências e as prioridades configuradas, e o resultado fica visível na linha do tempo de Gantt.

Imagine que uma medição de acompanhamento valide a redução do setup de 40 para 30 minutos para uma família definida de operações. Atualize os dados de planejamento afetados para que as operações pertinentes usem esse tempo de setup aprovado e, depois, recalcule seu posicionamento junto ao restante da carga de trabalho. Revise as operações seguintes e as datas de entrega, não apenas a lacuna deixada no primeiro centro de trabalho.

O SkyPlanner faz esse cálculo integrado da programação, poupando o trabalho manual de encaixar cada operação revisada nas filas de cada máquina. Você decide qual melhoria é válida e quais pedidos têm prioridade; Arcturus aplica essas instruções ao plano. Evidências mais confiáveis se transformam em capacidade produtiva útil onde o trabalho realmente pode aproveitá-la.

A experiência da Fredman Operations com o SkyPlanner ilustra o benefício para a programação. Antes, a fabricante de embalagens para alimentos não tinha uma visão clara da capacidade por turno, e uma reprogramação urgente podia levar uma hora ou mais. A implantação reuniu a programação das máquinas e a capacidade dos turnos em uma visão compartilhada no Gantt. A empresa relata respostas mais rápidas às mudanças e uma base mais clara para assumir compromissos de entrega. Sua experiência mostra o valor de coordenar a carga de trabalho quando as circunstâncias mudam.

Escolha o SkyPlanner quando melhorias verificadas no chão de fábrica precisarem se transformar em um plano viável para toda a carteira de pedidos. Ele se integra a qualquer ERP ou MES por meio de sua API REST aberta, permitindo manter os sistemas que gerenciam seu negócio e melhorar a programação da produção.

Agende uma demonstração do SkyPlanner e traga uma melhoria, seu efeito aprovado sobre a duração ou a disponibilidade e outros pedidos que usam os mesmos recursos. Assim, você terá uma forma concreta de ver o que a mudança representa para o trabalho que se comprometeu a entregar. Se preferir explorar primeiro, experimente o SkyPlanner com dados de demonstração.