Amostragem do trabalho na indústria: detete atrasos ocultos

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

Tempo de leitura estimado: 12 minutos

Uma passagem pela fábrica pode dar a impressão de que o mesmo turno está muito ocupado num momento e subaproveitado noutro. Nenhuma dessas visitas revela quanto tempo se dedica a fabricar peças, a preparar o trabalho ou a esperar que algo chegue.

A amostragem do trabalho substitui essas impressões por um conjunto planeado de observações aleatórias. 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 pontuação sobre o grau de ocupação aparente das pessoas, mas uma resposta mais clara sobre o que impede o trabalho de avançar.

Depois de verificar os efeitos de uma melhoria, o SkyPlanner APS usa os novos tempos de operação e a nova disponibilidade dos recursos para criar um plano de produção coordenado. Passa menos tempo a refazer as sequências de trabalho de cada máquina e consegue ver o que a alteração significa para as encomendas que tem de entregar.

O que é a amostragem do trabalho?

A amostragem do trabalho é um método estatístico que estima a proporção de tempo dedicada a atividades definidas, observando pessoas ou máquinas em instantes escolhidos aleatoriamente. Cada observação regista a atividade em curso naquele instante. A proporção de observações numa categoria permite estimar a proporção de tempo que essa atividade ocupa no período abrangido pelo estudo, desde que o plano de amostragem represente esse período.

Por exemplo, um estudo numa área de montagem pode distinguir montagem, preparação, inspeção, espera por material e outras interrupções. Registar estas categorias ao longo de turnos representativos fornece informação mais útil do que classificar tudo apenas como trabalho produtivo ou inatividade.

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

Se precisa de uma resposta diferente, escolha outra forma de medição:

• Um estudo de tempos de produção analisa elementos de trabalho definidos e pode estabelecer um tempo padrão fundamentado. As observações instantâneas e aleatórias da atividade não indicam quanto dura cada elemento de curta duração.
• O registo de tempos de produção associa eventos e tempos reais a tarefas ou operações. Esses registos mostram em que trabalho foram utilizadas as horas registadas, em vez de fornecerem uma amostra aleatória de toda a atividade.

Um estudo formal de medição do trabalho pode combinar a amostragem com outros dados para estabelecer padrões. Porém, uma percentagem de atividade, por si só, não é um tempo padrão nem uma medida do ritmo de trabalho de uma pessoa.

Comece pela decisão a tomar, não pela contagem de quem está ocupado ou inativo

Escolha uma pergunta cuja resposta possa mudar o funcionamento da fábrica. «Quanto tempo da equipa de montagem é passado à espera de componentes?» é um ponto de partida útil se puder intervir na preparação dos materiais. «Qual é a eficiência de cada pessoa?» é uma pergunta demasiado vaga para permitir conceber um estudo ou interpretar bem os resultados.

Acorde o objetivo com as pessoas que executam o trabalho. Explique o que será observado, como se definem as categorias, quem terá acesso aos resultados e que decisão estes vão apoiar. Pergunte aos operadores que interrupções não aparecem nos registos existentes. Um estudo é mais útil quando as pessoas podem explicar a falta de um kit do que quando se sentem levadas a esconder a espera.

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

Escolha depois a unidade de observação. Um operador num dado instante é uma unidade; uma máquina num dado instante é outra. Mantenha os respetivos estados separados. Uma máquina pode estar a cortar automaticamente enquanto o operador inspeciona outra peça. A máquina está em funcionamento e o operador está a inspecionar: nenhuma das observações precisa de ser classificada como inatividade.

Explicite também o período de tempo abrangido. Se o estudo cobrir todo o turno remunerado, inclua a categoria de pausas aplicável. Se abranger apenas períodos de funcionamento definidos, indique esse denominador. Não compare os dois casos como se medissem a mesma coisa.

Defina atividades que os observadores consigam reconhecer

Utilize um conjunto reduzido de categorias mutuamente exclusivas para a unidade de observação escolhida, que abranja as situações previstas. Escreva uma breve definição de cada uma, com exemplos da área em estudo.

«Espera por material» deve significar que o trabalho selecionado não pode prosseguir porque o material necessário não está disponível, e não que o operador está, por acaso, junto da estante de materiais. A categoria «Preparação» deve ter limites acordados, desde o início da preparação até estar tudo pronto para produzir. Mantenha a inspeção necessária numa categoria visível, em vez de a diluir numa categoria geral de atividades não produtivas.

Inclua um código para atividade desconhecida ou não observável. Se não conseguir determinar o que está a acontecer, registe a incerteza em vez de adivinhar uma causa. Analise esses casos separadamente; não devem ser retirados do denominador sem indicação.

Teste as definições num breve estudo-piloto. Peça aos observadores que classifiquem as mesmas situações e discutam as divergências. Se uma pessoa classificar a procura de uma ferramenta como preparação e outra como espera, o estudo estará, em parte, a medir as diferenças entre as definições, e não o trabalho. Resolva essas diferenças antes de recolher a amostra principal.

O estudo-piloto também revela problemas práticos: pontos de observação inacessíveis, um percurso demasiado demorado ou categorias tão pormenorizadas que não se conseguem distinguir num olhar rápido.

Recolha observações aleatórias em condições de produção representativas

Defina antecipadamente os momentos de observação com uma ferramenta de geração de números aleatórios e distribua o plano de amostragem pelos turnos e dias relevantes para a decisão. Selecione a pessoa ou a máquina de acordo com o plano, em vez de escolher o que parecer mais interessante à chegada.

Uma visita regular de meia em meia hora pode coincidir repetidamente com o reabastecimento, uma pausa ou um ciclo da máquina. Visitar apenas quando o supervisor tem tempo livre introduz outro enviesamento. A escolha aleatória dos momentos ajuda a evitar esses padrões; abranger as condições de funcionamento relevantes torna o resultado útil para além de uma manhã escolhida por conveniência.

Em cada instante selecionado, registe a atividade em curso sem esperar pelo início da seguinte. Guarde a data e hora, a unidade de observação, a categoria e o contexto relevante do turno ou do produto. Acrescente uma breve nota factual quando isso ajudar a investigar um atraso. Não interrompa a atividade para pedir uma explicação e depois classifique a conversa que acabou de provocar.

Registe as observações não realizadas e os respetivos motivos. Substituir cada observação inacessível ou difícil por outra mais fácil nas proximidades pode alterar aquilo que a amostra representa.

Se recolher deliberadamente mais observações num dos turnos, apresente os resultados por turno ou combine-os com ponderações que reflitam o tempo ou a população que pretende estimar. Juntar simplesmente observações recolhidas com frequências de amostragem diferentes pode fazer com que um turno atípico domine o resultado.

Distinga também o número de observações da quantidade de informação independente. Observar vários operadores durante uma ronda gera vários registos, mas uma falta de material comum pode tornar os seus estados dependentes entre si. Observações instantâneas repetidas durante a mesma paragem têm uma limitação semelhante. Mantenha identificadas as rondas e os grupos temporais para que a análise possa ter em conta esse agrupamento.

De quantas observações precisa na amostragem do trabalho?

A dimensão da amostra necessária depende da precisão exigida pela decisão e da proporção esperada da atividade. Nenhum número de observações torna, por si só, qualquer estudo representativo.

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

n ≈ z² × p × (1 − p) ÷ e²

Nesta fórmula, n é o número de observações, p é a proporção esperada expressa em formato decimal, e é a margem de erro absoluta pretendida 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 obtido para o inteiro superior.

Se ainda não tiver uma estimativa credível de p, utilizar 0,50 dá o maior número de observações para uma dada margem absoluta. Com uma margem de cinco pontos percentuais, e = 0,05, o cálculo dá 385 observações. Trata-se de um exemplo de planeamento com estes pressupostos, não de um mínimo universal nem de uma garantia para todos os subgrupos.

Seja rigoroso ao falar de «cinco por cento». Uma proporção de tempo de espera de 20%, com uma margem de cinco pontos percentuais, corresponde aproximadamente a um intervalo de 15% a 25%. Uma margem relativa de 5% dessa proporção corresponde a apenas um ponto percentual para cada lado, o que exige uma amostra muito maior.

Planeie a precisão em função da categoria e da comparação que interessam. Um número total de observações suficiente para estimar a proporção global de tempo de espera pode não chegar para analisar turnos separados, atrasos raros ou centros de trabalho individuais. As rondas de observação por grupos também exigem uma análise que tenha em conta o desenho amostral, em vez de tratar cada registo como independente. Se a decisão envolver uma pequena alteração ou um investimento significativo, peça a um especialista em amostragem que verifique o desenho do estudo antes de recolher o conjunto principal de dados.

Exemplo: dos registos de atividade à identificação do que melhorar

Imagine uma área de montagem manual onde a equipa suspeita que os kits de materiais incompletos interrompem o trabalho. Um estudo recolhe 400 observações de operadores em instantes específicos, com igual probabilidade de seleção, ao longo dos períodos de produção abrangidos. Neste exemplo simplificado, considere que as observações são independentes e que todas podem ser classificadas.

Atividade observada	Observações	Percentagem de observações
Trabalho de montagem	200	50%
Preparação e mudança de série	60	15%
Inspeção	40	10%
Espera por materiais	80	20%
Outros atrasos identificados	12	3%
Pausas planeadas	8	2%
Total	400	100%

A proporção estimada de tempo de espera por materiais é de 80 ÷ 400 = 20%. Este valor descreve o tempo do conjunto dos operadores representado no estudo. Não significa que cada operador espere exatamente um quinto de cada turno, nem que todas as interrupções tenham a mesma duração.

Para esta proporção isolada, uma aproximação normal simples dá:

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

Isto corresponde a cerca de 3,9 pontos percentuais, dando um intervalo aproximado de 16,1% a 23,9%. O intervalo exprime a incerteza amostral nas condições indicadas. Não abrange um calendário de observações enviesado, atividades mal classificadas ou uma combinação de produtos diferente no mês seguinte.

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

A conclusão operacional é mais clara do que as casas decimais: a espera por materiais merece ser investigada. Comece por verificar em que ponto os kits afetados ficaram incompletos, quais os componentes em falta e se teria sido possível avançar com a montagem seguinte. A categoria indica onde procurar; a equipa e os registos de apoio explicam por que motivo aconteceu.

Melhore as condições e verifique o que mudou

Analise os resultados com os operadores, os responsáveis pela movimentação de materiais e o responsável pelo processo afetado. Distinga o trabalho necessário das interrupções evitáveis. A inspeção pode proteger a qualidade, a preparação permite produzir o lote seguinte e as pausas ajudam as pessoas a manter a atividade ao longo do dia de trabalho. Nenhuma destas atividades se torna um desperdício eliminável só por não ser montagem.

Escolha uma alteração bem delimitada e designe um responsável. No exemplo da montagem, isso pode significar confirmar que os kits estão completos antes de libertar trabalho para a área. Verifique se o problema dos componentes em falta diminui e se o trabalho consegue, de facto, avançar mais cedo, em vez de apenas transferir a espera para outro departamento.

Repita as observações em condições comparáveis, mantendo as definições das categorias e os limites dos períodos considerados. Compare a combinação de produtos, a dotação de pessoal e os acontecimentos fora do habitual, além das percentagens principais. Uma pequena variação percentual dentro da incerteza do estudo não constitui, por si só, prova convincente; uma alteração na combinação de produtos também pode fazer o resultado parecer melhor sem que o método de trabalho tenha melhorado.

Acima de tudo, não converta diretamente os 20% iniciais de tempo de espera em 20% de capacidade adicional. O aproveitamento do tempo libertado pode ser limitado por estar repartido em pequenos intervalos, exigir outra pessoa ou coincidir com uma máquina já em funcionamento. Pode também tratar-se de tempo em que nenhuma tarefa alternativa conseguiria utilizar o centro de trabalho.

Verifique o efeito no recurso que pretende programar. Se um método de preparação melhorado reduzir efetivamente o tempo de preparação, meça e aprove a nova duração. Se permitir disponibilizar um centro de trabalho durante um período mais longo, confirme que as pessoas e os equipamentos conseguem assegurar essa disponibilidade. Distinga o tempo de trabalho das pessoas, o tempo decorrido da operação e a ocupação da máquina.

Incorpore as melhorias verificadas no plano de produção

Uma melhoria validada não afeta apenas o centro de trabalho que estudou. Uma preparação mais curta pode permitir antecipar o início da encomenda seguinte, mas essa encomenda continua a precisar de materiais e de disponibilidade na operação seguinte. Outras encomendas podem disputar as mesmas máquinas. É aqui que uma melhoria local precisa de um plano de produção partilhado.

O SkyPlanner permite definir a duração das etapas do processo através de um tempo por peça, de uma taxa de produção ou de um tempo fixo, mantendo identificáveis os tempos de preparação e de finalização. Os turnos dos centros de trabalho definem os períodos disponíveis. O Arcturus, a IA de programação da produção do SkyPlanner, calcula o plano com base na capacidade, nas dependências e nas prioridades configuradas, e o diagrama de Gantt apresenta o resultado.

Imagine que uma medição de acompanhamento valida a redução do tempo de preparação de 40 para 30 minutos numa família definida de tarefas. Atualize os dados de planeamento afetados para que as tarefas relevantes usem esse tempo de preparação aprovado e, em seguida, recalcule a sua posição no plano em conjunto com a restante carga de trabalho. Analise as operações a jusante e as datas de entrega, não apenas o intervalo libertado no primeiro centro de trabalho.

O SkyPlanner faz esse cálculo integrado da programação, poupando o trabalho manual de encaixar cada tarefa revista nas filas de trabalho de cada máquina. Cabe-lhe decidir que melhoria é válida e quais as encomendas prioritárias; o Arcturus aplica essas instruções ao plano. Dados mais sólidos traduzem-se em capacidade de produção útil onde esta pode ser efetivamente aproveitada para realizar o trabalho.

A experiência da Fredman Operations com o SkyPlanner ilustra o benefício para a programação da produção. Antes, o fabricante de embalagens alimentares não tinha uma visão clara da capacidade de cada turno, e uma reprogramação urgente podia demorar uma hora ou mais. A implementação reuniu os planos das máquinas e a capacidade dos turnos numa vista de Gantt partilhada. A empresa refere respostas mais rápidas às alterações e uma base mais clara para assumir compromissos de entrega. O seu caso mostra o valor de coordenar a carga de trabalho quando as circunstâncias mudam.

Escolha o SkyPlanner quando precisar de transformar melhorias verificadas no chão de fábrica num plano exequível para toda a carteira de encomendas. Integra-se com qualquer ERP ou MES através da sua API REST aberta, permitindo-lhe manter os sistemas que gerem a sua empresa e melhorar a programação da produção.

Agende uma demonstração do SkyPlanner e traga um exemplo de melhoria, o seu efeito aprovado na duração ou na disponibilidade e outras encomendas que utilizem os mesmos recursos. Assim, poderá ver de forma concreta o que a alteração significa para o trabalho com que se comprometeu. Se preferir explorar primeiro, experimente o SkyPlanner com dados de demonstração.