ANÁLISE DE MODELOS DE GESTÃO DE PRODUTIVIDADE
Lucas de Paiva Romeiro
Projeto de Graduação apresentado ao curso de
Engenharia
Civil
da
Escola
Politécnica,
Universidade Federal do Rio de Janeiro, como
parte dos requisitos necessários à obtenção do
título de Engenheiro.
Orientador: Luís Otávio Cocito de Araújo
Rio de Janeiro
Março, 2014
ANÁLISE DE MODELOS DE GESTÃO DE PRODUTIVIDADE
LUCAS DE PAIVA ROMEIRO
PROJETO DE GRADUAÇÃO SUBMETIDO AO CORPO DOCENTE DO CURSO DE
ENGENHARIA CIVIL DA ESCOLA POLITÉCNICA DA UNIVERSIDADE FEDERAL DO
RIO DE JANEIRO COMO PARTE DOS REQUISITOS NECESSÁRIOS PARA A
OBTENÇÃO DO GRAU DE ENGENHEIRO CIVIL.
Examinada por:
__________________________________________________
Prof. Luís Otávio Cocito de Araújo, D Sc. (Orientador)
__________________________________________________
Isabeth da Silva Mello
__________________________________________________
Prof. Eduardo Linhares Qualharini, D Sc.
RIO DE JANEIRO, RJ - BRASIL
MARÇO de 2014
ii
Romeiro, Lucas de Paiva
Análise de Modelos de Gestão de Produtividade/ Lucas
de Paiva Romeiro. – Rio de Janeiro: UFRJ/ Escola
Politécnica, 2014.
XIV, 90p.: il.; 29,7 cm.
Orientador: Luís Otávio Cocito de Araújo
Projeto de Graduação – UFRJ/ Escola Politécnica/
Curso de Engenharia Civil, 2014.
Referências Bibliográficas: p102-103.
1.
Introdução.
2.
Modelos
de
Mensuração
de
Produtividade. 3. Modelo de Entrada. 4. Análise de Dados.
5. Conclusão. I. Cocito de Araújo, Luís Otávio II.
Universidade Federal do Rio de Janeiro, Escola Politécnica,
Curso de Engenharia Civil. III. Análise de Modelos de
Gestão de Produtividade.
iii
Dedicatória
Aos meus pais
iv
Agradecimentos
Em primeiro lugar a Deus que é a força que temos para continuar a caminhada mesmo
nos dias mais difíceis quando não acreditamos que vamos conseguir, mas temos sempre
Nele o conforto e força para seguir em frente.
Aos meus amáveis avós, Waldheir e Therezinha, que mesmo não estando mais entre
nós, sempre estiveram ao meu lado me motivando e apoiando. Sei que hoje estão
rezando por todos nós seus “filhos”.
Aos meus queridos pais, Josilda e Paulo, por serem a força maior, estarão sempre ao
meu lado me apoiando e incentivando. Sempre batalharam pra que eu e meu irmão
tivéssemos as melhores oportunidades e sempre nos guiaram para as escolhas mais
corretas. Vocês são meus maiores tesouros.
Ao meu irmão Pedro, que foi meu maior incentivador na conclusão desse trabalho e
nesse curso. Motivou-me e me deu forças nos momentos difíceis dessa caminhada.
A minha madrinha Sirlene, que me apoiou sempre e sempre foi um exemplo de pessoa,
sua força e alegria sempre contagiaram e me deram forças pra sempre dar o meu melhor.
A minha namorada Vanessa que fez tantos sacrifícios para que eu pudesse concluir está
etapa tão difícil, mas recompensadora me apoiando e me aconselhando nos diversos
momentos. Obrigado amor.
Aos meus amigos me viram poucas vezes nos últimos anos, porém a amizade que temos
em nada foi mudada.
Ao meu orientador Luís Otávio a quem tenho profunda admiração pelo seu trabalho
como estudioso e principalmente como professor. Sempre se mostrou solícito em me
ajudar superar minhas dificuldades. Um exemplo de profissional e ser humano.
Aos professores da Universidade Federal do Rio de Janeiro que fizeram jus ao nome
que esta escola sustenta perante o mundo sempre dotados de conhecimento profundo
dos assuntos que lecionavam e sempre dispostos a ajudar os alunos quando fossem
requisitados.
v
Resumo do Projeto de Graduação apresentado à Escola Politécnica / UFRJ como parte
dos requisitos necessários para a obtenção do grau de Engenheiro Civil
Análise de Modelos de Gestão de Produtividade
Lucas de Paiva Romeiro
Março/2014
Orientador: Luís Otávio Cocito Araújo
Curso: Engenharia Civil
A questão da produtividade vem sendo um assunto de suma importância na indústria da
Construção Civil, que vive um cenário muito favorável a novas construções e
empreendimentos. A concorrência para atender as novas demandas vem aumentando e
quem possuir melhores resultados em produtividade receberá os melhores dividendos
Vários modelos foram criados a fim de medir a produtividade e entender seu
comportamento e encontrar maneiras de melhorar e prever seus resultados. Este trabalho
mostra os principais métodos que tratam os dados de produtividade e a sua gestão.
Nessa tentativa de tratar os dados de produtividade existe um divisa entre os modelos
uma linha de estuda acredita que análise de produtividade deve ser feita pela a entrada
(recurso investido) e saída (produto final). A outra veia traz a idéia de analisar somente a
entrada, caso deste trabalho será a mão de obra.
Este último modelo indica que o percentual da jornada de trabalho dos operários, é o
principal fator a influenciar uma melhora nos índices de produtividade. Para testar essa
hipótese o autor traz um série de dados de produtividade de uma obra brasileira e
através artifícios matemáticos e estatísticos tanta encontrar alguma associação entre
variáveis de porcentagem de trabalho e produtividade.
Palavras chave: produtividade, modelo de entrada e saída, modelo de saída, percentual
de trabalho.
vi
Abstract of Undergraduate Project presented to POLI/UFRJ as a partial fulfillment of
the requirements for the degree of Engineer
Analysis of Models of Management of Productivity
Lucas de Paiva Romeiro
March/2014
Advisor: Luís Otávio Cocito de Araújo
Course: Civil Engineering
The issue of productivity has been a subject of the utmost importance in the Civil
Construction industry, which is experiencing a very favorable scenario to new
constructions. The battle to win those concessions is on, and the one who had better
productivity rates will take the profits.
Several models were created in order to measure productivity and understand their
behavior and find ways to improve and predict their results. This work shows the main
methods that deal with the data of productivity and its management. In the attempt to
deal with the data of productivity there is a division between the models a line of
studying believes that productivity analysis should be done by the entry (invested
resources) and output (final product). The other way carries the idea of analyzing only
the input, in this case is civil construction labor.
This last model indicates that the percentage of the day's work of the workers is the
main factor to affect an improvement in productivity rates. To test this hypothesis the
author brings a series of productivity data of a Brazilian book and through mathematical
and statistical artifices so find some association between variables of percentage of
work and productivity.
Keywords: Productivity, input and output model, output model, percentage of work.
vii
Conteúdo:
1
2
Introdução.................................................................................................................. 1
1.1
Introdução .......................................................................................................... 1
1.2
Objetivo ............................................................................................................. 6
1.3
Metodologia ....................................................................................................... 7
1.4
Apresentação dos Capítulos ............................................................................... 8
Modelos de mensuração da Produtividade ................................................................ 9
2.1
Contexto na Construção Civil ............................................................................ 9
2.2
Apresentação dos Modelos de mensuração da Produtividade ......................... 12
2.3
Resumo do Modelo dos Fatores ....................................................................... 14
2.3.1
Indicador de Produtividade ....................................................................... 16
2.3.2
Outros Indicadores de gestão de Produtividade ....................................... 19
2.3.3
Descrição dos dados de entrada e saída .................................................... 20
2.3.4
Dados de entrada ...................................................................................... 21
2.3.5
Dados de saída .......................................................................................... 21
2.3.6
Análise de dados ....................................................................................... 23
2.3.7
Comparação com outros modelos: ........................................................... 25
2.4
3
Modelo da estratificação .................................................................................. 26
2.4.1
Introdução ................................................................................................. 26
2.4.2
Avaliação: ................................................................................................. 27
Modelo de Entrada .................................................................................................. 34
viii
3.1
4
5
Apresentação do modelo de entrada ................................................................ 34
3.1.1
Comparação entre Work sampling e Activity Analisys ............................ 41
3.1.2
Evolução do modelo de entrada: Activity Analisys ................................... 42
3.1.3
Descrição do Modelo ................................................................................ 46
Análise de dados...................................................................................................... 72
4.1
RUP cumulativa e RUP serviço ....................................................................... 73
4.2
Percentual de Hh de Serviço e RUP Global ..................................................... 78
4.3
Percentual de Hh de Serviço e RUP de Serviço ............................................... 81
4.4
Conclusão da análise ........................................................................................ 85
Considerações finais ................................................................................................ 86
ix
Índice de Figuras:
Figura 2-1- Diferentes abordagens do estudo de produtividade. (Fonte: SOUZA, 2000)
........................................................................................................................................ 10
Figura 2-2- PDCA. (Fonte: Silva, 2006) .........................................................................11
Figura 2-3 - Representação da curva de referência e curva real (Fonte: SOUZA, 2006)13
Figura 2-4 - Modelo dos Fatores (Fonte: THOMAS, H.R., YAKOUMIS, I. (1987) ..... 15
Figura 2-5 - Estudo de caso de produção de alvenaria de vedação. (Fonte: SOUZA,
2000) ............................................................................................................................... 17
Figura 2-6 - Representação dos diferentes tipos de RUP (Fonte: Souza, 2006) ............ 20
Figura 2-7 - Curva de produtividade acumulada e unitária para montagem de peça de
estrutura de aço. (Fonte: THOMAS, YAKOUMIS, 1987) ............................................. 24
Figura 2-8 - Curva de produtividade acumulada descontando ação da temperatura
apresentada em diversos métodos. (Fonte: THOMAS, YAKOUMIS, 1987) ................. 25
Figura 2-9 - Fases do Modelo de Estratificação (Fonte: Martins, P. 2013) .................... 27
Figura 2-10Exemplo de representação gráfica da produtividade com réguas referente às
classes de atividades (Fonte: Carvalho, Galhardo, Otávio, L., Telles, C. Driving
Predictable Business Outcomes in a Dynamic Global Market.) .................................... 31
Figura 3-1 - Quadro com valores estatísticos dos projetos (Fonte: Thomas, 1991) ....... 36
Figura 3-2 - Relação entre Trabalho Direto e Tempo de Espera (Fonte: Thomas, 1991)37
Figura 3-3 - Relação entre Trabalho Direto e Tempo de Espera (Fonte: Thomas, 1991)37
Figura 3-4 - Relação Fator de performance em função da definição de Trabalho Direto
(Fonte: Thomas, 1991) ................................................................................................... 38
Figura 3-5 - Relação entre Fator de Performance e Trabalho Direto (Fonte: Thomas,
1991) ............................................................................................................................... 40
x
Figura 3-6 - Relação entre Produtividade e Tempo de Espera (Fonte: Thomas, 1991).. 41
Figura 3-7 - Porcentagem de melhora no Trabalho Direto em ciclos sucessivos
comparados com o primeiro. (Activity Analysis Guide, Caldas, Goodrum) .................. 44
Figura 3-8– Ciclo de Melhora Continua (Adaptado de Gouett, C., Caldas, H., Goodrum,
M., Haas, Activity Analysis Guide, 2010) ...................................................................... 47
Figura 3-9 - Exemplo de Trabalho Direto – Concretagem. (Fonte: Gouett, C., Caldas,
H., Goodrum, M., Haas, Activity Analysis Guide, 2010)............................................... 50
Figura 3-10Exemplo de Trabalho Direto – Operando o Caminhão e outro operando a
retro escavadeira (Fonte: Gouett, C., Caldas, H., Goodrum, M., Haas, Activity Analysis
Guide, 2010) ................................................................................................................... 50
Figura 3-11 - Exemplo de Trabalho Preparatório – No caso pode ser um funcionário
recebendo instrução do encarregado ou dois funcionários consultando os desenhos de
projeto. (Fonte: Gouett, C., Caldas, H., Goodrum, M., Haas, Activity Analysis Guide,
2010) ............................................................................................................................... 52
Figura 3-12 - Exemplo de Equipamentos – funcionário transportando braçadeiras.
(Fonte: Gouett, C., Caldas, H., Goodrum, M., Haas, Activity Analysis Guide, 2010) ... 53
Figura 3-13Exemplo de Equipamentos – Funcionário ajustando a plataforma elevatória.
(Fonte: Gouett, C., Caldas, H., Goodrum, M., Haas, Activity Analysis Guide, 2010)... 53
Figura 3-14 - Exemplo de Movimento de Materiais – Funcionários ajustando na
movimentação de tijolos. (Fonte: Gouett, C., Caldas, H., Goodrum, M., Haas, Activity
Analysis Guide, 2010) .................................................................................................... 54
Figura 3-15 - Exemplo de Movimento de Materiais – Funcionários ajustando na
movimentação de tijolos. (Fonte: Gouett, C., Caldas, H., Goodrum, M., Haas, Activity
Analysis Guide, 2010) .................................................................................................... 55
Figura 3-16 - Exemplo de Deslocamento, funcionários em deslocamento. (Fonte:
Gouett, C., Caldas, H., Goodrum, M., Haas, Activity Analysis Guide, 2010) ............... 56
Figura 3-17 - Funcionários em Tempo Pessoal (Fonte: Gouett, C., Caldas, H., Goodrum,
M., Haas, Activity Analysis Guide, 2010) ...................................................................... 57
xi
Figura 3-18 - Exemplo do formulário de Coleta de Dados (Fonte: Gouett, C., Caldas,
H., Goodrum, M., Haas, Activity Analysis Guide, 2010)............................................... 63
Figura 3-19 - Planilha de recebimento dos daods coletados. (Fonte: Gouett, C., Caldas,
H., Goodrum, M., Haas, Activity Analysis Guide, 2010)............................................... 64
Figura 3-20 - Exemplo do gráfico pizza (Fonte: Adaptado de Gouett, C., Caldas, H.,
Goodrum, M., Haas, Activity Analysis Guide, 2010) .................................................... 65
Figura 3-21 - Exemplo com a porcentagem total de produtividade. (Fonte: Adaptado de
Gouett, C., Caldas, H., Goodrum, M., Haas, Activity Analysis Guide, 2010) ............... 66
Figura 3-22 - Exemplo do gráfico de horas tipo “Área” (Fonte: Gouett, C., Caldas, H.,
Goodrum, M., Haas, Activity Analysis Guide, 2010) .................................................... 66
Figura 4-1 - Representação do gráfico do Activity Analysis mostrando o questionamento
se a % Trabalho Direto aumentar como a RUP irá se comportar.( Fonte: o Autor) ...... 72
Figura 4-2 - Representação do gráfico do confronto de variáveis RUP de Serviço e RUP
Cumulativa. ( Fonte: o Autor)........................................................................................ 73
Figura 4-3 - Representação do gráfico de RUP de Serviço x RUP cumulativa( Fonte: o
Autor) ............................................................................................................................. 74
Figura 4-4 - Tela retirada do programa computacional Minitab. ( Fonte: o Autor) ...... 76
Figura 4-5 - Representação do gráfico de RUP de Serviço x RUP cumulativa com
regressão linear. ( Fonte: o Autor) ................................................................................. 77
Figura 4-6 - Representação da comparação das variáveis: % Serviço x RUP Global. (
Fonte: o Autor) .............................................................................................................. 78
Figura 4-7 - Representação do gráfico de % Hh de Serviço x RUP Global cumulativa
com regressão linear. ( Fonte: o Autor) ......................................................................... 80
Figura 4-8 - Representação do gráfico de % Hh de Serviço x RUP Global com regressão
linear exponencial. ( Fonte: o Autor) ............................................................................. 81
Figura 4-9 - Representação da comparação de variáveis: % Hh de Serviço x RUP de
Serviço( Fonte: o Autor) ................................................................................................ 82
xii
Figura 4-10 - Representação gráfica de % Hh de Serviço x RUP Global com regressão
linear. ( Fonte: o Autor) ................................................................................................. 83
Figura 4-11 - Representação gráfica de % Hh de Serviço x RUP Global com regressão
linear exponencial ( Fonte: o Autor) .............................................................................. 84
xiii
Índice de Tabelas
Tabela 2-1– Tabela com diferenciação dos fatores. (Fonte: SOUZA, 2002).................. 16
Tabela 2-2 - Valores de RUP em função da equipe considerada. (Fonte: SOUZA, 2000)
........................................................................................................................................ 18
Tabela 2-3 Valores de RUP (em Hh/m²) para diferentes jornadas diárias. (Fonte:
SOUZA, 2000) ............................................................................................................... 18
Tabela 3-1 - Tamanho de amostra variando o nível de confiança com erro de d = 0,05
(Fonte: Gouett, C., Caldas, H., Goodrum, M., Haas, Activity Analysis Guide, 2010) ... 60
Tabela 4-1 - Dados de RUP de Serviço e RUP cumulativa( Fonte: o Autor) ................ 75
Tabela 4-2 - Dados de RUP Global e % de Hh de Serviço. ( Fonte: o Autor) ............... 79
Tabela 4-3 - Dados de RUP de Serviço e % de Hh de Serviço( Fonte: o Autor)........... 82
xiv
1 Introdução
1.1 Introdução
A atual situação da construção civil brasileira é de plena expansão impulsionado por um
forte incentivo governamental em obras de infra estrutura e do ramo imobiliários
ligados a importantes programas do governo brasileiro, como o PAC e o Minha Casa
Minha Vida, respectivamente. Estes representam uma grande mudança no cenário da
construção civil brasileira que passou por períodos de pouco investimento nas décadas
de 80 e 90. A grande demanda de empreendimentos populares e das obras de infraestrutura é uma realidade para a indústria que vem gerando diversos empregos e
benefícios para a população e indústria da construção.
Com um cenário favorável para a construção, novas empresas vêm surgindo e
mostrando seus novos métodos e tecnologias. Empresas estrangeiras estão enxergando o
Brasil uma ótima oportunidade de investimento. O aumento da concorrência é uma
conseqüência inevitável, as empresas cada vez mais necessitam de novos métodos e
tecnologias inovadoras gerando um diferencial e colocando-se a frente de seus
concorrentes. A redução de custos se mostra presente nas pautas das empresas e a
melhorara da qualidade do serviço ofertado por um menor preço é o grande desafio do
ramo da construção.
Contudo esse grande crescimento traz a tona uma grande deficiência nos sistemas
construtivos nacionais. Os atrasos de obra estão cada vez mais evidentes nessas obras, a
falta de comprometimento com prazos determinados vem causando grandes prejuízos e
entregas incompletas. Obras de grande importância para a imagem do Brasil perante a
comunidade internacional como as arenas da Copa do Mundo de Futebol de 2014 vem
sofrendo uma série de atrasos em praticamente todo o Brasil, mostrando que esse
problema não é particular de uma região, mas abrange todo um país. Assim a questão
do atraso de obra se torna um dos principais itens a serem estudados e analisados na
tentativa de mitigar esse problema na indústria de construção brasileira.
A tecnologia aplicada hoje na construção brasileira ainda recai sobre velhos métodos,
que vem sendo usadas há décadas. Modelos construtivos antiquados e com pouca
1
inovação fazem parte do cenário construtivo brasileiro. Grande incentivo do estado,
pequenas taxas juros e financiamentos longos aumentaram a procura de compra de
imóveis. Os grandes programas de investimentos do governo brasileiro fomentaram a
indústria e geraram um grande movimento por recursos e por métodos mais eficientes
para atender a grande demanda de construções. Os métodos mais antiquados se mostram
mais alarmantes, pois os grandes projetos estão tendo dificuldades para manter prazo e
qualidade esperados. Isto pode ser relato na reportagem da (Época/Junho) onde há
grandes concernes a respeitos dos métodos e da baixa produtividade dos consórcios
envolvidos.
A necessidade de atender essa grande demanda despertou um maior interesse nas
grandes empresas do ramo em aumentar seus investimentos em pesquisa e
desenvolvimento de novos métodos construtivos. Tornando-os mais industrializados e
menos manufaturados. A industrialização do processo é um passo importante para uma
melhora significativa nos métodos construtivos. Além disso, a mecanização dos
processos também se mostra como forte propulsor da modernização da construção civil.
As grandes empresas têm buscado as Universidades e centros de pesquisas em busca
dessas novas tecnologias. Estas estão mais abertas à vinda de tecnologias estrangeiras
mais avançadas e importaram produtos usados em outros países que geram grande
ganho de produtividade.
Além dos problemas encontrados dos métodos construtivos, há uma grande deficiência
no quesito recursos de materiais para a construção. As grandes obras de infra-estrutura
espalhadas pelas diversas regiões do Brasil necessitam de quantidades consideráveis de
materiais, entretanto os recursos estão cada vez mais caros no Brasil. Aumentando a
atenção à racionalização da matéria prima e a métodos que gerem pouco desperdício. A
falta de investimento em estudos para uso de novos materiais e de reuso de matéria
prima cria um nó na construção brasileira que nunca se deparou a uma demanda tão
grande de obras e consequentemente matéria prima. Além disso, os órgãos de meio
ambiente estão cada vez mais atentos aos resíduos produzidos nas construções gerando
assim uma grande demanda por parte das construtoras em relação ao descarte dos
resíduos. Assim surge uma grande necessidade de um melhor tratamento dos
desperdícios e uma melhor reciclagem de resíduos. Novamente as empresas têm que
recorrer às pesquisas para encontrar uma melhor maneira de tratar os materiais usados e
os métodos usados.
2
A gestão de recursos e pessoas necessita uma constante manutenção e evolução. As
grandes empresas do ramo da construção têm sempre como principal objetivo satisfazer
seus acionistas e seus clientes que são as bases para manter o negócio e cada vez mais
exigentes. Com um período de lapso nos investimentos na construção nas décadas 80 e
90 gerou uma mudança drástica nos meios de contratação onde a mão de obra de base
passa a ser subcontratada pelas grandes empresas. As empresas esqueceram o capital
humano e estão apenas preocupados em atingir suas ambiciosas metas e altas taxas de
retorno aumentando seus lucros. Ainda com crescente terceirização do ramo, a
qualidade do trabalho e o ambiente dos trabalhadores vêm piorando cada vez mais.
Funcionários trabalhando em condições precárias, sem a menor identidade com a
empresa contratada e a alta rotatividade da mão de obra, acabam criando um ambiente
extremamente desfavorável para os funcionários podendo gerar improdutividade em
várias fases da execução do empreendimento. Somente a partir do século XXI órgãos
governos foram criando novas regras para melhorar a condição e qualidade do
empregado da construção civil.
Muito se é creditado à baixa produtividade a baixa capacitação dos funcionários da
construção civil. Seu baixo condicionamento social, defasada escolaridade e pouco
comprometimento com as empresas são tratados com os grandes causadores da baixa
produtividade no setor. Mas estudos mostram que a mão de obra americana que possui
condições parecidas com as encontrados aqui e possuem resultados de produtividade
muito mais consistentes. Com isso deve-se atentar não somente ao trabalhador ligado
diretamente ao serviço, mas toda gestão a sua volta e toda a organização instalado no
canteiro. A logística dentro do canteiro deve ser totalmente favorável ao bom
funcionamento dos serviços realizados para que estes não afetem negativamente
atividades que estejam ocorrendo simultaneamente. Essa logística do canteiro de obra
esta diretamente ligada à presença de um engenheiro que deve ficar atento e deve
gerenciar de maneira correta seus encarregados ao longo do período da construção. E a
um projeto executivo bem estruturado que contempla a correta mobilização de canteiro
e planejamento de atividades.
Todas estas questões convergem em um ponto, à produtividade na construção civil, um
assunto que muito precisa ser estudado e que vai gerar uma série de mudanças positivas
no cenário de construção brasileira. “Em qualquer país, o caminho mais sustentável
para a melhoria do padrão de vida é o aumento da produtividade. Os ganhos de
3
produtividade englobam tanto processos mais eficientes como inovações em processos e
serviços. O uso adequado de recursos permite que a economia forneça bens e serviços a
custos menores para o mercado interno e possa competir em mercados internacionais.”
(MCKINSEY, 1998). O estudo e a implantação dos estudos de produtividades gerem
ganhos positivos de prazo e redução de custos criando uma grande vantagem nas
concorrências entre as grandes corporações.
Com a tentativa de mensurar a produtividade de um serviço ou atividade é um usado um
cálculo apenas com o conceito básico de entrada/saída. Pode-se considerar a entradas
como o item que irá exercer um serviço podendo ser a força de trabalho humano ou
algum equipamento. As saídas são demonstradas por medidas físicas e mesuráveis
dentro canteiro de obra, como por exemplo, o número de metro quadrados de alvenaria.
Há tempos vem-se estudando maneiras para se abordar a gestão de produtividade e
entender seus resultados para um possível melhora e assim obter os ganhos de prazo e
economias com o aumento de Produtividade.
Em um primeiro estudo a abordagem da produtividade é feito apenas focando na
“entrada” do cálculo base de produtividade, ou seja, o único fator que pode gerar
mudanças significativas na produtividade é a força humana ou energia de equipamento
diretamente naquela ação em um tempo determinado. Para essa corrente de pensamento
necessita-se apenas se preocupar com a manutenção destes fatores. Sendo assim,
aumentando o empenho dos funcionários naquela ação num mesmo período de tempo
haverá um acréscimo no produto gerando levando ao aumento de produtividade. Esta
veia de estudo é bastante defendida por vários estudiosos como pode-se perceber no
trabalho precursor de Tippet ( em 1934 “A snap-reading method of making time studies
of machines and operatives in fatory surveys”), seguindo por trabalhos de Picard, H. E.
(2002,Construction process measurement & improvement). Recentemente esse método
ganhou uma grande evolução com os trabalhos de Haas, Goodrum e Caldas, que
trouxeram um modelo de gestão de produtividade pautado somente na melhora dos
recursos de entrada
4
Em outra linha de estudo acredita-se que não somente a “entrada” será o fator decisivo
na gestão da produtividade, mas também o produto que está sendo realizado através do
esforço humano. Esta abordagem contempla tanto os fatores de “entrada” como os de
“saída”, nesse último consideram-se a variação no tipo de serviço e suas diversas
particularidades envolvidas na realização do produto final.
Nesse estudo outras
variáveis externas podem gerar mudança nos dados finais; como habilidade da força de
trabalho, complexidade do serviço, margem de tempo na medição do empenho da mão
de obra, as condições do canteiro de obra, gestão por partes dos líderes sobre a mão de
obra ou até mesmo as condições climáticas. Estas variáveis são intimamente ligadas à
gestão de produtividade e dificilmente mensuradas por isso tem-se que ter uma total
avaliação do contexto em que estão sendo realizados e medidos os serviços. Estudiosos
como Koehn e Brown defenderam este método e criaram modelos para explicar esse
método. Thomas (em 86) defendeu este método e criou um importante modelo para
análise conhecido como Modelo dos Fatores. Aqui no Brasil, os trabalhos de mais
destaque vêm de Sousa e Araújo seguindo a linha defendida de Thomas e estudando
modelos de gestão baseados na gestão de entrada e saída de recursos.
Este projeto visa entender de maneira mais profunda os dois métodos de mensuração de
produtividade e através de dados coletados. E avaliar uma série de dados e esclarecer
qual das duas correntes de estudo se aplica melhor na situação apresentada a seguir e
fazer uma análise crítica sobre esse dois modelos de estudo.
5
1.2 Objetivo
O objetivo deste trabalho visa mostrar a relação do modelo de gestão de entrada
relacionando com os resultados de produtividade. Será feita um análise com uma série
de dados para verificar se percentuais do tempo em serviço em uma atividade estará
diretamente ligado com o resultado de produtividade, ou seja, constatar se o aumento de
serviço direto acarretará um aumento de produtividade.
6
1.3 Metodologia
A metodologia aplicada para esse trbalho passou pelas seguintes etapas:
I.
Introdução dos modelos de Gestão de Produtividade a serem apresentados.
Definição dos indicadores de produtividade comum a todos os métodos.
II.
Análise crítica dos Modelos de Gestão trazendo as principais caraterísticas de
cada um e mostrando como é feita a análise de dados.
III.
Entendimento do funcionamento dos modelos de Entrada e Saída trazendo as
principais referência e abordagens do modelo. Apresentação do Modelo dos
fatores e Modelo da Estratificação.
IV.
Apresentação modelos de Saída, trazer uma introdução dos modelos e análise
completa do histórico de como esse tipo de modelo surgiu. Mostrar de maneira
completa como funciona o principal método do Modelo de Saída, o Activity
Analysis. Guia completo do funcionamento e implatação do método Activity
Analysis.
V.
Análise estatíscas de dados coletados em obras brasileira. Utilização dessse
dados para tentar encontrar relações entre as variáveis usando as seguinetes
ferramentas estatísticas: Método de Correlação de Pearson, Teste de hipóteses e
regressão linear usando programa computacional.
VI.
Considerações finais dos dados encontrados.
7
1.4
Apresentação dos Capítulos
Capítulo 2 – Modelos de Mensuração de Produtividade:
Neste capitulo será introduzidos os conceitos de produtividade e de seus indicadores.
Também será apresentado os modelos de gestão de produtividade e fazendo uma
descrição sucinta dos principais modelos de Entrada e Saída.
Capítulo 3- Modelo de Entrada:
Este capitulo apresentará os percussores do modelo de entrada e mostrando a evolução
do mesmo ao logo do tempo. Por último traz-se um guia do Modelo Activity Analysis.
Este guia traz um ciclo de gestão de produtividade completo baseado na tentativa de
melhorar a produtividade
Capítulo 4- Análise de dados:
Este capitulo traz a principal motivação deste trabalho. Verificar se modelos de gestão
baseados apenas em dados de entrada podem ser utilizados na previsão de índices de
produtividade, também visto no método Estratificado. O objetivo principal é entender
se de fato há uma relação entre o Trabalho Direto e produtividade é se realmente o
aumento desta atividade dentro jornada de trabalho vai refletir em uma melhora de
produtividade final do serviço realizado.
Capítulo 5- Considerações finais
Traz uma análise final dos dados apresentados e conclusões das análise dos dados. Trazse também explicações detalhadas dos resultados esperados
8
2 Modelos de mensuração da Produtividade
2.1 Contexto na Construção Civil
Para melhor compreensão das técnicas usadas na análise dos dados será realizada uma
detalhada apresentação de cada método de gestão de produtividade, referenciando seus
principais estudiosos e mostrando suas visões e principais pontos a cerca desses
métodos. Este trabalho referenciará as principais fontes e autores ligados a cada método
e atentando aos principais casos estudados.
O tema produtividade tem-se mostrado cada vez mais presente no cotidiano da indústria
da construção civil. As grandes empresas do ramo têm olhado com bastante atenção
esses indicadores na busca de uma melhor gestão de seus recursos. Existem diversos
indicadores para a produtividade, cada um com a sua aplicabilidade específica. Para
muitas empresas e indústrias a produtividade pode ser enxergada da maneira econômica
de quanto é investido em um serviço e o quanto recebe de retorno.
Tem-se como visão para as indústrias altamente mecanizadas a medição de quanto uma
máquina produz por um intervalo de tempo determinado. Trazendo este exemplo para
um porto a produtividade é calculada devido às máquinas existentes e sua
funcionalidade, como por exemplo, um carregador de navios, máquina responsável pelo
carregamento de materiais granulares (minério, soja) dentro do navio. Sua produtividade
vai ser medida por tonelada por hora (ton/h), caso seja um terminal especializado em
containeres a produtividade é medida por movimentações por hora (mph), ou seja,
quantidade de contêineres retirados ou colocados no navio por intervalo de tempo.
Contudo este trabalho visa trazer esses conceitos para a indústria da Construção Civil e
de maneira mais precisa para dentro do canteiro de obra. A construção Civil depende, de
maneira significativa, do esforço e mobilização humana. A força humana é principal
força motriz de uma obra, necessitando-se ser tratada com muita atenção para que os
resultados esperados sejam atendidos. As empresas do setor de construção devem estar
atentas a essas informações, buscando sempre novas técnicas e melhorias para gestão
dos seus recursos, para que possam atender seus prazos de entrega. Os prazos
estipulados pelas empresas são baseados em dados em que nem sempre se refletem o
que realmente acontece no canteiro gerando prazos muito apertados e desorganização
9
dos planejamentos. Para que as empresas e suas obras tenham dados confiáveis que
possam gerar prazos mais próximos do real. A mensuração da produtividade se mostra
bastante importante, pois é através dela que serão constituídas bases de dados
fundamentais ao processo de melhoria.
Para um melhor entendimento do conceito da produtividade da mão de obra na
construção civil tem-se a definição de SOUZA (2000). Onde autor considera que
produtividade seja a eficiência em se transformar entradas em saídas num processo
produtivo. Dentro desta definição, conforme ilustrado pela Figura 2.1, o estudo da
produtividade, no processo de produção de obras de construção civil, poderia ser feito
sob diferentes abordagens. Assim é que, em função do tipo de entrada (recurso) a ser
transformada, poder-se-ia ter o estudo da produtividade com pontos de vista: físico, no
caso de se estar estudando a produtividade no uso dos materiais, equipamentos ou mão
de obra; financeiro, quando a análise recai sobre a quantidade de dinheiro demandada;
ou social, quando o esforço da sociedade como um todo é encarado como recurso inicial
do processo. Em nosso casso o estudo será pautado na entrada sendo a mão de obra, e
sua saída os serviços de obra.
Figura 2-1- Diferentes abordagens do estudo de produtividade. (Fonte: SOUZA, 2000)
A mensuração da produtividade da mão de obra é uma tarefa de extrema relevância,
servindo de base para todas as discussões sobre a melhoria da construção. Acredita-se,
ainda, que tais indicadores possam suprir um problema bastante significativo nos atuais
sistemas de certificação de empresas, qual seja a falta de avaliação do desempenho das
10
mesmas. Mas, para que isto possa acontecer sobre base sólida, há que se ter uma
definição clara de como se padronizar a mensuração da produtividade da mão de obra.
A ação de medir esses índices é apenas uma parte do processo dos modelos de gestão de
produtividade. Tem-se como exemplo um dos métodos mais usados para gestão de
melhora continua em processos produtivos, o PDCA.
Na Figura 2.2 tem-se um
exemplo de representação de como deve ser gerido esse processo de melhora na gestão
da produtividade.
Figura 2-2- PDCA. (Fonte: Silva, 2006)
O autor deste trabalho visa trabalhar na mensuração dos índices de produtividade que
engloba somente a ação “Executar a tarefa (Coletar Dados)” na Figura 2.2. Esta é uma
das tarefas mais críticas do processo, pois será ela que norteará os estudos para a
melhora de gestão e dos índices de produtividade.
É uma tarefa que gera muitos custos, pois necessita de uma grande mobilização de
recursos para medição, estes devem ser treinados para que coleta de dados seja feita de
maneira uniforme. E a realização do serviço deve ser feita de tal maneira que não afete a
rotina normal dos trabalhadores para os dados sejam os mais fiéis ao real.
11
Assim chega-se ao ponto de grande importância para este trabalho: como serão tratados
esses dados coletados. Existem diversos modelos que trazem diferentes visualizações da
produtividade e diferentes visões de como deve ser trabalhado os dados coletados no
canteiro.
Um dos modelos visa o estudo dos dados de entrada e saída envolvidos na
produtividade. E gestão destes componentes é fundamental para a aferição e melhora da
produtividade no canteiro. Esse modelo computa os diversos fatores que influenciam a
mão de obra durante a execução do serviço específico.
O outro modelo tem a visão focada apenas para o recurso de entrada, no caso deste
trabalho, a mão de obra. Esse modelo acredita que apenas o empenho da mão de obra
será responsável pela melhora dos resultados finais de produtividade.
Neste capítulo, é importante ter a consciência de que os modelos de avaliação de
produtividade são derivados da indústria de produção em série, onde a maior parte das
condições de trabalho é previsível ao contrário da indústria da construção civil, onde a
quantidade de incógnitas é imensa e impossível de conhecer previamente. A medição
oferece à construtoras a informação do desempenho de seus trabalhadores, garantindo
um maior controle sobre seu negócio e uma possível melhora nos aspectos onde há um
rendimento deficiente. Só é possível melhorar uma tarefa quando existe uma avaliação
física sobre a mesma, o que faz com que a mensuração da produtividade seja uma peça
indispensável em qualquer indústria. Desta forma, a ferramenta base para a gestão da
produtividade é a medição.
2.2
Apresentação dos Modelos de mensuração da Produtividade
Modelos que analisam as entradas e saídas de um processo produtivo permitem uma
avaliação mais fiel devido ao rigor do seu processo de estudo. Os modelos de entrada e
saída vem estudar todos os fatores que afetam a mão de obra durante a execução do seu
serviço.
Tenta quantificar fatores como o clima, complexidade da tarefa e tentar
mensurar serviços realizados por diversos recursos de maneira mais justa creditando um
maior esforço a quem realmente produziu mais.
12
Com o objetivo de superar todas as dificuldades associadas à medição e quantificação
da produtividade na construção civil, Thomas e Yakoumis, desenvolveram em 1987 o
modelo dos fatores. Este modelo apresenta como característica principal, o fato de
analisar a produtividade da mão de obra quanto às equipes de trabalho, sendo que o
trabalho desta equipe é afetado por uma quantidade de fatores que pode levar a
perturbações de caráter aleatório ou sistêmico ao desempenho. A grande complexidade
das tarefas exigidas na construção aliadas à influência positiva ou negativa que as
mesmas sofrem pela variação de um número vasto de fatores (Ex: condições climáticas,
material disponível para execução do serviço, boas condições de trabalho), possibilitam
a representação de um gráfico de produtividade bastante irregular. No entanto, esta
irregularidade torna difícil a interpretação gráfica da produtividade do serviço em
questão e, por isso, surgiu a necessidade de retirar todos esses fatores que provocam
grandes alterações no desenvolver dos trabalhos, para conseguir obter uma curva de
referência para determinado serviço. Um exemplo dessa curva é apresentado na Figura
2.3. Com o auxílio desta curva de referência, tornou-se possível conhecer o desempenho
básico de um determinado serviço.
Figura 2-3 - Representação da curva de referência e curva real (Fonte: SOUZA, 2006)
13
Os modelos de entrada têm como premissa básica foco na entrada do serviço e no caso
deste trabalho temo-se o foco na mão de obra. Este modelo vai estudar todas as
características envolvendo o percentuais de serviço da mão de obra aplicado na
produção de seus serviços. Os modelos de entrada procuram distinguir, dentro do tempo
total de trabalho disponível, frações consideradas produtivas e improdutivas.
2.3 Resumo do Modelo dos Fatores
THOMAS e YIAKOUMIS (1987) propuseram um modelo de medição e análise da
produtividade da mão de obra voltada exclusivamente para a indústria da Construção
Civil, denominado “Modelo dos Fatores”. O seu nome advém do fato do mesmo estar
baseado no estudo dos fatores que afetam a produtividade da mão de obra. O Modelo
dos Fatores se diferencia de outros modelos em vários aspectos, dentre os quais se cita o
foco na produtividade no nível da equipe de trabalhadores, considerando o efeito da
curva de aprendizagem e incluindo vários outros fatores que podem ser mensurados.
Em Araújo (2000) considera-se que a simples apropriação de índices de produtividade
não será tão importante, ou útil, caso não esteja associada ao entendimento da mesma.
Desse modo, conhecer os fatores que fazem a produtividade de uma obra ser melhor ou
pior que outra é tão ou mais relevante que simplesmente calcular índices de
produtividade. THOMAS; YIAKOUMIS (1987) dizem que a teoria que fundamental do
Modelo dos Fatores assume que o trabalho de uma equipe é afetado por certa
quantidade de fatores que podem alterar o seu desempenho aleatoriamente ou
sistematicamente. O efeito cumulativo dos distúrbios causados por esses fatores gera
uma curva de real produtividade, cuja forma pode ser muito irregular, tornando sua
interpretação difícil. Entretanto, se os efeitos desses fatores puderem ser
matematicamente extraídos da curva real, obter-se-á uma curva que representará a
produtividade de referência para o serviço em questão. A mesma conterá o desempenho
básico do serviço realizado dentro de certas condições de referência, somado a uma
componente resultante das eventuais melhorias oriundas das operações repetitivas. A
Figura 2.4 ilustra a idéia contida no Modelo dos Fatores.
14
Interpretando-se a Figura 2.4 tem-se:
I.
Curva real: representa um resultado hipotético de uma medição efetuada em
campo;
II.
Curvas A, B, C e D: representam curvas de produtividade de um determinado
serviço, obtidas a partir da sucessiva subtração, com relação à produtividade
real, dos efeitos induzidos pelas condições A, B, C e D, distintas da situação de
referência;
III.
Curva de referência: mostra a produtividade potencial caso não houvesse
influência de fatores que diferem da condição de referência.
Há que se ressaltar que podem existir fatores influenciadores que incidam positivamente
ou negativamente sobre a produtividade, possibilitando a existência de curvas de
produtividade reais situadas abaixo da curva de referência.
Figura 2-4 - Modelo dos Fatores (Fonte: THOMAS, H.R., YAKOUMIS, I. (1987)
São muitos os fatores que podem influenciar a produtividade da mão-de-obra. Segundo
THOMAS; SMITH (1990) podem ser classificados em dois grandes grupos: os
relacionados ao “conteúdo do trabalho” e os relacionados ao “contexto do trabalho”.
15
Existe também, segundo SOUZA (1996), as anormalidades, geradas por causas que
podem ou não ser controladas pela gerência, provocando “influências extremamente
danosas sobre o ritmo de trabalho”. SOUZA (1996) define que “para ser considerada
uma anormalidade, o evento deve ser bastante significativo, durando ou tendo seus
efeitos sentidos durante várias horas e representando condições bastante distantes da
normalidade”.
A Tabela 2.1 reúne exemplos de fatores que podem influenciar a produtividade. Note-se
que alguns deles têm caráter quantitativo (por exemplo, comprimento das paredes),
enquanto outros são do tipo qualitativo (por exemplo, ferramentas para assentamento).
Tabela 2-1– Tabela com diferenciação dos fatores. (Fonte: SOUZA, 2002)
2.3.1
Indicador de Produtividade
A medida de produtividade consiste em analisar a quantidade de esforço humana por
unidade tempo (entrada) gerando um determinado produto (saída). Criou-se então a
medida do Hh (Homem divido por hora de trabalho) gerando uma saída física e
mensurável. Essa indicador base utilizado no Modelo dos Fatores, denominado razão
unitária de produção (RUP) é calculado através da seguinte expressão:
RUP = Entradas/Saídas
Um exemplo prático para se aplicar esse conceito adotou o seguinte estudo de caso
feito em (Souza, 2000)
Precisa-se assim definir as regras para mensuração tanto de entradas quanto de saídas.
Mais que isto, há que definir o período de tempo a que se refere o levantamento feito.
16
No que se refere às entradas, o cálculo do número de homens-hora demandados é,
genericamente, fruto da multiplicação do número de homens envolvidos pelo período de
tempo de dedicação ao serviço. As saídas podem ser consideradas de maneira bruta ou
líquida.
No que diz respeito ao período de estudo, pode-se estar lidando com a
produtividade detectada para um determinado dia, assim como seu valor pode
representar um estudo de longa duração. Faz-se, a seguir, uma exemplificação de
diferentes posturas que podem ser adotadas quanto a estes 4 aspectos (equipe
considerada; tempo de dedicação ao serviço; mensuração das saídas; e período de
estudo da produtividade) e que podem levar ao cálculo de valores completamente
diferentes de produtividade para uma mesma situação.
2.3.1.1
Estudo de caso proposto:
A Figura 2.5 ilustra um caso genérico, relativo à produção de alvenaria de vedação,
onde se tem, em dois diferentes andares de um edifício, dois pedreiros e um servente
atuando “diretamente” no assentamento da alvenaria, “apoiados” por uma equipe,
locados no andar térreo, que produz argamassa centralizadamente (dois ajudantes) e
envia blocos do estoque para os andares em execução (1 ajudante). Há que se indicar a
presença de dois outros ajudantes da construtora, que possuem funções gerais de apoio,
e que, particularmente quanto ao serviço de alvenaria, se responsabilizam pelo
descarregamento e transporte até o estoque da obra, de blocos e de sacos de cimento e
cal, quando do seu recebimento. Há, ainda, um encarregado do serviço, responsável pela
orientação dos operários e controle das atividades.
Figura 2-5 - Estudo de caso de produção de alvenaria de vedação. (Fonte: SOUZA, 2000)
17
Como regra geral da obra, tem-se uma jornada diária de 9 horas de trabalho. E, como
base para as avaliações que se faz a seguir, considera-se que, no dia em estudo, se tenha
produzido 50 metros quadrados de alvenaria líquida.
A produtividade será estimada através do cálculo da RUP ocorrida num certo dia de
trabalho, mostrando-se os diferentes números a que se pode chegar fazendo-se
diferentes considerações quanto a: equipe considerada, número de horas, forma de
avaliar a quantidade de serviço e duração da mensuração. Pode-se ver alguns resultados
nas tabelas 2.2 e 2.3.
Tabela 2-2 - Valores de RUP em função da equipe considerada. (Fonte: SOUZA, 2000)
Tabela 2-3 Valores de RUP (em Hh/m²) para diferentes jornadas diárias. (Fonte: SOUZA, 2000)
Nota-se que esse número não leva em consideração vários fatores que circulam esse
serviço. Não foi considerada a habilidade dos funcionários envolvidos, nem a
complexidade do serviço dependendo do muro e de sua altura ou a existência de vãos
18
nele. O empenho do funcionário ao longo do turno de trabalho varia bastante. Muitos
estudiosos tentam abordar e mensurar esses efeitos no cálculo de produtividade.
2.3.2
Outros Indicadores de gestão de Produtividade
O uso do indicador da RUP pode ser abordado de outras maneiras a RUP cumulativa é
razão aplicada quando a medição abrange um período maior, somando os valores do
indicador desde o dia em que se começou a medir a produtividade até ao dia em
questão. A RUP cíclica: razão utilizada quando se pretende um período de tempo mais
curto que os anteriores. Esta razão é aplicada nos casos em que se pretende analisar uma
tarefa em específico, como por exemplo, a realização da forma. Esta diferenciação de
medidores permite executar uma análise mais detalhada de um processo construtivo, na
medida em que permite a realização de gráficos que traduzem a produtividade de uma
tarefa de diferentes maneiras, permitindo assim diferentes análises. Em resumo a RUP
cumulativa fornece a produtividade de uma tarefa específica, a RUP diária fornece a
produtividade de um dia de trabalho e a RUP cumulativa fornece a produtividade de um
período de tempo maior.
Existe também a RUP potencial, esta é definida como um valor de RUP diária que
tenha traduzido um bom desempenho e que seja possível de alcançar em função dos
valores de RUP recolhidos. Este indicador será definido com o valor da mediana das
RUP diárias que se situam abaixo da RUP cumulativa durante um determinado período
de estudo. Desta forma, é possível afirmar que o afastamento percentual da RUP
cumulativa à RUP potencial representa a perda de produtividade da mão de obra.
A análise de cada RUP traz a sua vantagem associada quando se trata os dados de
maneira adequada e de acordo com seu emprego. A RUP cumulativa apesar de atenuar
os efeitos de boas e más prestações diárias permita a visualização da tendência da
produtividade em longo prazo, a RUP periódica é interessante para a definição de metas
a um curto prazo.
19
Figura 2-6 - Representação dos diferentes tipos de RUP (Fonte: Souza, 2006)
2.3.3
Descrição dos dados de entrada e saída
Para usar como base de seu estudo no Modelo dos Fatores, Thomas utilizou dados
recolhidos de três projetos comerciais localizados na Pennsylvania, Estados Unidos. Os
dados foram coletados diariamente incluindo tamanho da equipe de trabalho,
absenteísmo, homem hora, produção diária e fatos relacionados às construções e suas
peculiaridades. As temperaturas e umidade relativa do ar foram medidas mostrando uma
amplitude muito grande a mediada em que o empreendimento evoluía na sua
construção.
Para a medição de dados devem ser feitas algumas considerações. Para amostras diárias
de produção que são as mais comuns. Pois os fatores como o tamanho da equipe,
condições climáticas, absenteísmo, habilidade do operador são bruscamente reduzidas
quando a variância corresponde a uma jornada inteira de trabalho. Thomas ressalta que
ao usar intervalos de tempo menores como hora ou ciclos de horas as variâncias são
enormes dificultando o cálculo de números confiáveis. Da mesma maneira que usa-se
20
intervalos muito grandes como semana, quinzenas ou meses os dados ficam imprecisos
para estudo. A medição da produtividade diária facilita a visualização das variações de
níveis e assim podem-se calcular os fatores que provavelmente afetarão o cálculo final.
2.3.4
Dados de entrada
Para o cálculo da produtividade de uma indústria, uns dos elementos essenciais a coletar
são os dados de entrada. Como foi dito anteriormente, a definição de produtividade
adotada no Modelo dos Fatores recorre ao cálculo das razões unitárias de produção
(RUP). Assim esta razão é composta no numerador pelos dados de entrada (homens
hora) e no denominador pelas saídas do processo produtivo (quantidade de serviço
realizada). Na coleta dos dados de entrada é então necessário conhecer o número de
operários envolvidos na tarefa em observação e o tempo de serviço direto que cada
atuou em um dia de trabalho.
Para efetuar esta medição em obra recorrem-se normalmente ao cartão de ponto,
observações contínuas ou informações conseguidas com o encarregado de serviço. No
entanto é necessário computar as horas efetivamente trabalhadas, isto é, o tempo que
cada operário esteve na obra disponível para executar trabalho. Normalmente
diferenciam-se as horas pagas das horas efetivamente trabalhadas, pois estas duas
grandezas podem não coincidir, além disso, as horas extras são excluídas dos dados de
entrada deste método.
Outro aspeto que é importante é a composição das equipes de trabalho. Estas são
normalmente compostas por trabalhadores que assumem responsabilidades diferentes
dentro de uma mesma tarefa.
2.3.5
Dados de saída
A apuração das medidas de saída requer uma maior atenção. É certo que a maioria dos
serviços não se completa em apenas uma jornada da de trabalho. E nem todos os
funcionários exerceram a mesma força de trabalho. Toma-se exemplo o caso da
construção de um pilar, no qual é necessária a produção das armaduras numa fase
prévia. Assim os envolvidos no projeto criaram certas regras para creditar cada membro
de maneira mais justa e evitar dados muito discrepantes. Este conceito, desenvolvido
por Thomas e Kramer em 1987, atribui diferentes pesos às diferentes tarefas que
compõem um serviço baseado na sua importância.
21
Assim, a soma de todas as subtarefas com recurso à sua importância resulta na
quantidade total de serviço. É preciso ter atenção que as quantidades de trabalho têm
que ser medidas separadamente para cada subtarefa, fazendo-se mais tarde a
contabilização da sua importância na tarefa global e gerando desta forma uma
quantidade parcial da tarefa principal. Necessita-se ter em consideração que uma tarefa
pode ser realizada em condições diversas, atrasando ou acelerando a forma o seu
processamento.
Estas condições podem depender do próprio projeto ou até da quantidade e
complexidade dos recursos, equipamentos e ferramentas disponíveis. Para que seja
possível uma medição da quantidade de tarefa realizada em condições padrão torna-se
necessário o desenvolvimento de um fator de correção que traduza a relação entre a
razão unitária de produção. No que se refere à caracterização do serviço, que influencia
as condições sob as quais as tarefas são executadas, é possível enumerar uma
quantidade vasta de fatores. No entanto, segundo SOUZA, existem dois grupos de
fatores que assumem uma presença permanente neste aspecto.
O primeiro grupo está relacionado com o trabalho que precisa ser feito, abrangendo os
componentes físicos do trabalho, como por exemplo, especificações mais rigorosas e
detalhes minuciosos de projetos. Este grupo é designado como o conteúdo de trabalho.
O segundo grupo faz referência aos aspetos ligados ao ambiente de trabalho, relativo às
questões de gestão do canteiro de obra. A disponibilidade de materiais e a qualidade dos
mesmos, assim como a disponibilidade e qualidade dos equipamentos são fatores que
podem influenciar o andamento de uma tarefa. Traduzindo-se no rendimento dos
trabalhadores e consequentemente na produtividade da mão de obra. Há ainda a questão
da mobilidade dentro do canteiro, que muitas das vezes é complicada de ser gerida
devido à circulação de grandes máquinas e a falta de organização do armazenamento de
muitas matérias primas.
As unidades de medidas foram divididas e relacionadas diretamente com a função de
cada equipe de trabalho. Para os pedreiros e marceneiros e seus respectivos ajudantes
foram usadas como media de saída o metro quadrado. Os armadores a unidade básica
foi calculada por unidade de peça pronta, sendo assim excluídos o processo de dobra,
encaixe e amarração.
22
2.3.6
Análise de dados
Para que os dados coletados sejam usados de maneira estatística e mostrem resultados
confiáveis há a necessidade de uma grande base de dados. No caso de uma pequena
base de dados, a regressão linear pode ser usada, mas com algumas ressalvas. Devem
existir algumas varáveis independentes as quais não definirão com precisão as variáveis
dependentes. As relações derivadas da regressão linear possuem validade limitada, e é
aplicada a um grupo específico de condições, a probabilidade de essas relações
ocorrerem por uma coincidência ou por outro fator é muito alta. Assim dados
imprecisos e errados derivados das peculiaridades da observação ou situações não
usuais vão ter maior efeito na análise.
Contudo o principal problema a respeito da validade dos dados de produtividade
encontrados é sua pequena base. No caso dos projetos estudados a duração era
geralmente de 30 a 60 dias de coleta regular de dados de produtividade. Assim para que
se tenha uma margem grande projetos analisadas, necessita-se juntar todas as obras em
apenas um conjunto de dados. Para que isso ocorra deve haver uma manipulação de
dados para que eles possam ser equiparados.
Os dados climáticos, todavia podem ser facilmente igualados já que o período das obras
pode ser equiparado e a região onde ocorrem os empreendimentos não são distantes
uma das outras. Assim o clima afetou os dados de maneira parecida sem grandes
variações.
As habilidades pessoais dos operários, também foram equiparadas podendo ser
facilmente comparadas, pois, no caso estudado por Thomas em todos os três projetos os
operários possuíam a mesma escolaridade e sem nenhuma habilidade muito específica
colocando-os na mesma base de dados sem comprometer a validade desse a este tipo de
influência.
Para trazer esses resultados de maneira mais abrangente necessita-se de uma mediada
que sirva de base para diversas obras em diferentes localidades. Assim se a
diferenciação fosse feita pelo fator de saída teria que ser gerada uma enorme massa de
dados específicos para cada serviço avaliado. Para isso segue uma importante etapa da
análise de dados de Thomas é a comparação entre produtividade esperada e a real.
23
Para chegar a um número confiável e que represente essa produtividade esperada
Thomas (1986) elabora um estudo para analisar quais dos modelos de curvas de
aprendizagem melhor se adequavam aos serviços de construção civil, foram analisadas
as produtividades de sessenta e cinco serviços nas áreas de fabricação e montagem de
pré-moldados para pontes e execução de habitações residenciais. Neste artigo o autor
explica os diversos tipos de curvas de aprendizagem. A maioria das pesquisas em
aprendizagem tem focado o estudo dos modelos matemáticos. O modelo estudado por
Thomas é o modelo segmentado (THOMAS, 1986). Este afirma que curvas de
aprendizagem são aplicáveis a um tipo de produto específico ou classe de atividades e
que não existe um modelo satisfatório da curva de aprendizagem para todos os produtos
ou atividades de grandes indústrias. Adicionalmente, a teoria das curvas de
aprendizagem só pode ser aplicada onde as atividades de trabalho são redundantes,
contínuas e essencialmente idênticas.
Figura 2-7 - Curva de produtividade acumulada e unitária para montagem de peça de estrutura de
aço. (Fonte: THOMAS, YAKOUMIS, 1987)
Segundo Thomas (1986) os principais problemas dos modelos de curvas de
aprendizagem são: determinar o melhor modelo, entender os fatores que afetam a taxa
de aprendizagem, calcular os parâmetros do modelo da curva de aprendizagem e
quantificar o efeito de baixos desempenhos. Assumindo o modelo segmentado de
Thomas, para representar a curva de produtividade para isso defini-se dois parâmetros:
24
(1) Taxa de aprendizado e (2) e os pontos finais da curva. Lembrar que no modelo
segmentado quando a curva é plotada numa escala muita alta ela tem a forma de um
segmento de reta. A produtividade esperada pode ser derivada de manuais de práticas de
engenharia que trazem valores básicos reunidos de vários projetos anteriormente.
2.3.7
Comparação com outros modelos:
Vários autores já propuseram um modelo que se possa medir a produtividade
descontando a influência climática. Na Figura 2.8 é mostrada a produtividade
acumulada real usando a equação de três modelos diferentes. Percebe-se que o modelo
apresentado por Grimm e Wagner (1974) traz os resultados mais contrastantes e bem
diferente dos outros modelos. Contudo a forma dos gráficos é semelhante.
Figura 2-8 - Curva de produtividade acumulada descontando ação da temperatura apresentada em
diversos métodos. (Fonte: THOMAS, YAKOUMIS, 1987)
25
2.4 Modelo da estratificação
2.4.1
Introdução
Este modelo surgiu da necessidade de um estudo conjunto entre a Universidade Federal
do Rio Janeiro e a Universidade Estadual do Rio de Janeiro e uma empresa brasileira
em busca de uma técnica para medição e gestão de produtividade. O método a seguir
vem trazendo uma série de passos que buscam entender como a produtividade se
comporta no canteiro de obra ao longo da jornada de trabalho e tentar buscar
explicações quando há deficiências de produtividade.
Para uma melhor compreensão do modo de funcionamento do modelo, é apresentada a
seguir uma descrição detalhada de todo o seu processo, apresentando algumas das
premissas que o mesmo engloba. As informações e descrições do modelo são baseadas
no trabalho de Pedro Martins (Avaliação da Produtividade na Construção no Brasil,
2013) que em sua tese de mestrado traz uma análise detalhada do modelo com exemplos
práticos.
O modelo estudado no presente capítulo tem como objetivo garantir a análise detalhada
da produtividade de uma obra, conseguindo identificar as atividades que prejudicam os
valores dos indicadores de produtividade, propondo finalmente medidas mitigadoras
para as mesmas. Segundo o artigo A New Model of Productivity Management as an aid
to Deadline Management (Araújo, L., Carmen, H., Carvalho, 2013) o modelo assume
que:
I.
A produtividade
é influenciada
por todos
os
interessados
(pessoal,
subcontratados) envolvidos e a sua melhoria requer ações coordenadas,
envolvendo exclusivamente a gerência da obra, engenheiros, encarregados e
empreiteiros.
II.
Os níveis de adesão e compromisso dos interessados são diretamente
proporcionais ao sucesso da análise crítica das perdas de produtividade
reveladas.
III.
A redução da incerteza no que toca aos custos e prazos limite obriga a uma
melhor gestão do conhecimento, aliada a uma gestão competente de riscos de
uma forma qualitativa e quantitativa.
26
IV.
A implantação da gestão de produtividade, fundada numa base de dados de
medições de produtividade, constitui uma parte relevante deste processo.
V.
A validação da informação que vai alimentar a base de dados tem que ser
realizada por uma organização independente.
VI.
A qualidade da informação avaliada por parâmetros como consistência,
veracidade e confiança é diretamente associada com a qualidade das medidas
mitigadoras.
VII.
É essencial que a informação de produtividade seja disponibilizada para toda a
hora, permitindo monitoramento continuo de tudo o que acontece no canteiro.
O modelo de estratificação é composto por cinco fases distintas, tal como se encontra
representado na Figura 2.9.
Figura 2-9 - Fases do Modelo de Estratificação (Fonte: Martins, P. 2013)
A primeira fase diz respeito à escolha de todo o âmbito do trabalho analisado. Em
primeiro lugar define-se o objeto físico que vai ser construído, seguindo para a definição
da tarefa que garante parte da sua composição total e terminando na definição da
medida adotada para as unidades de saída (ou quantidade de serviço executada). Após
decidir o elemento, a tarefa e a respectiva medição adotada para a quantidade de serviço
fica concluída a primeira fase do método.
2.4.2
Avaliação:
Na segunda fase são definidas as características que dizem respeito à maneira como vai
ser executada a avaliação em campo. A equipe de trabalho é escolhida aleatoriamente,
sendo que as avaliações são concentradas nos trabalhadores e estas podem ser feitas por
27
um período de tempo estabelecido ou diariamente. Nesta avaliação são recolhidos os
seguintes dados em campo:
I.
II.
Homens hora gastos (Hh);
Quantidade de serviço executada, durante o período estabelecido para a
medição;
III.
Conteúdo do trabalho, que engloba os materiais e os processos de trabalho
usados;
IV.
Contexto do trabalho, que engloba todas as condições de trabalho vigentes,
nomeadamente o clima, as ferramentas usadas, as condições do local de
trabalho, entre outros;
V.
Registro de ocorrências inesperadas.
Contudo, este modelo foi desenvolvido com o intuito de poder ser aplicado em qualquer
tipo de serviço, o que implica que o seu processo tenha que ser objeto de estudo mais
intensivo. Para que esta aplicação, em vários tipos de obras, e os seus resultados seja
conseguida de maneira eficiente é muito importante que a definição dos dados de
entrada e dos dados de saída seja feita com muita clareza. Só assim o processo garante
uma análise rigorosa dos dados e uma projeção de resultados confiáveis dos dados que
produz. Os dados de entrada referem-se a todos os recursos que são utilizados para a
construção ou desenvolvimento de uma atividade. São eles os materiais de construção,
os equipamentos usados pelos trabalhadores e a mão-de-obra. A medição dos materiais é
feita tendo em conta a quantidade dos mesmos e o tempo durante o qual se encontram
disponível. A medição referente à mão de obra multiplica a quantidade de homens que
constituem a equipe que está a ser analisada pela quantidade de horas que compõem
uma jornada de trabalho.
Outro fator de importante referência é o fato do modelo de estratificação considerar que
os trabalhadores podem realizar diferentes atividades durante a tarefa que estão a
executar. Com a medição das entradas mais detalhada, este modelo consegue oferecer a
a estratificação dos resultados que é exemplificada na terceira fase do processo. É
importante mostrar que todas as atividades são definidas previamente, podendo o
observador registrar a informação respeitando as classes definidas para cada uma. A
28
definição das atividades foi feita com o desenvolvimento de uma estrutura analítica
denominada estrutura analítica de ocupações. Este elemento de trabalho considera as
atividades identificadas pelo observador, organizando as mesmas com base numa árvore
hierárquica que vai das atividades mais gerais até as mais específicas. O
desenvolvimento desta ferramenta de trabalho foi feito apontando para:
A primeira classe de atividades diz respeito às atividades mais gerais. Esta classe
composta por 7 categorias foi desenvolvida em 2 anos de intervenções realizadas nas
duas escolas atrás referidas, que envolveram aplicações no campo e discussões com
especialistas. Sendo assim a primeira classe de atividades é composta por:
I.
II.
Apoio – qualquer atividade que sirva de apoio à atividade principal.
Exigências do cliente – atividades de controlo de conformidade pessoal exigidas
pelo contratante aos trabalhadores.
III.
Deslocações – Tempo gasto em deslocações dentro do estaleiro sem contabilizar
o transporte de materiais e equipamentos.
IV.
Paralisação – Período de espera pela preparação do local de trabalho,
equipamentos, materiais, tarefas precedentes, entre outros.
V.
Equipamentos – Período de tempo despendido na mobilização de materiais ou
equipamentos.
VI.
VII.
Atrasos - Atrasos de qualquer natureza.
Trabalho direto – Todos os esforços feitos pelos operários no sentido de executar
a tarefa para a qual foram destacados (Trabalho direto).
Este detalhamento pode ser feito até se atingir a atividade final, que é aquela que
apresenta mais detalhe no que os trabalhadores estão realizando. As diferentes
características dos projetos têm grande influência na definição da segunda classe de
atividades, fazendo assim com que este método seja polivalente, ao ponto de ser
aplicado em vários tipos de obra. Uma das particularidades deste modelo que garante a
sua eficiência na mitigação de problemas que façam piorar a produtividade da obra é a
rapidez da troca de informações.
29
Para promover essa rapidez de troca de informação, foi desenvolvido no âmbito deste
modelo um programa informático denominado de PRODCAT. Desenvolvido com
objetivo a rápida troca de informações.
Após ser definido o processo e a fase da obra que vai ser observada pelos técnicos, estes
começam um monitoramento intensivo da amostra da equipe de trabalhadores que vão
ser observados. A definição do tamanho da amostra considera o seguinte:
I.
II.
III.
Número de trabalhadores que vão ser observados.
Número de dias que vão ser observados.
Número total de horas de todos os trabalhadores observados (tamanho da
população N).
IV.
Esta definição é então considerada nas seguintes premissas estatísticas:
V.
Probabilidade de ocorrência de um evento 50%, ou seja, p=0,5
VI.
Probabilidade de não-ocorrência de um evento 50%, ou seja, 1-p=0
VII.
Nível de confiança de 95%, d=1,96 e amostra de erro (e) =5%
Como foram apresentadas, as observações são focadas na equipe de trabalhadores a ser
observada, sendo que esta é escolhida de uma maneira aleatória, dentre as equipes que
se encontram disponíveis para trabalho na mesma fase ou processo da obra. Este
software tem como principal objetivo recolher as informações referidas anteriormente
que permitem uma boa análise da produtividade.
No final do dia do trabalho todas as informações recolhidas pelos técnicos são
armazenadas em sistema com o upload dos dados gerados e dá-se o início à terceira fase
do método. Esta rápida troca de informações entre os técnicos e os responsáveis pela
análise dos dados é uma das vertentes do método que permite uma rápida mitigação de
pequenos empecilhos que prejudicam a obra.
Com o devido tratamento dos dados podem ser gerados vários gráficos que fornecem
um conjunto de informações muito valioso para a posterior análise da situação vigente
no canteiro. Seguidamente são apresentados alguns gráficos passíveis de gerar com os
dados recolhidos.
30
Na Figura 2.10 é apresentado um gráfico que revela uma avaliação diária dos
indicadores de produtividade em obra. E as “réguas” com as divisões das atividades.
Figura 2-10Exemplo de representação gráfica da produtividade com réguas referente às classes de
atividades (Fonte: Carvalho, Galhardo, Otávio, L., Telles, C. Driving Predictable Business
Outcomes in a Dynamic Global Market.)
2.4.2.1
Análise de resultados:
Na quarta fase do processo, são analisados todos os resultados obtidos, tendo em
consideração todas as informações de contexto e conteúdo reunidas pelo técnico, para
posteriormente conseguir apresentar medidas mitigadoras que, quando aplicadas,
consigam de fato modificar os valores obtidos.
Para o caso da instalação de uma tubulação sanitária os fatores de conteúdo interno são
o diâmetro da tubulação a ser instalado, o material das mesmas e o seu comprimento.
Estes fatores podem simplificar bastante o trabalho dos operários fazendo com que os
seus indicadores de produtividade melhorem. É de se esperar que na instalação a tarefa
fique mais simplificada se a peça for mais leve e consequentemente de melhor
manuseio. Outros fatores que afetam a produtividade de uma maneira bastante
representativa são os fatores específicos ao serviço. É contabilizada ainda a distância do
local de trabalho ao refeitório, na medida em que a perda de tempo pode ser reduzida se
esta distância for menor, assim como o fato da tarefa ter de ser realizada num piso mais
elevado. Todos os componentes citados anteriormente têm grande influência no
desempenho da equipe de trabalho, podendo desta forma influenciar muito os valores
31
dos indicadores de produtividade. É, portanto da maior importância que os resultados
gerados sejam cuidadosamente analisados para que as medidas mitigadoras sejam
verdadeiramente eficientes.
É certo que alguns dos fatores que influenciam os trabalhos não podem ser diretamente
melhorados como é o caso das más condições atmosféricas. No entanto, para este caso
específico, é sempre possível sugerir uma melhor realização do planejamento,
consultando os boletins meteorológicos e tentando escolher as tarefas que podem ser
realizadas em condições mais adversas, planeando as mesmas para os dias em que as
condições são menos favoráveis.
A estratificação dos gráficos apresentada na fase anterior permite perceber onde residem
os valores que realmente prejudicam a produtividade construtiva.
Perante as causas apontadas para o grande consumo de tempo em deslocamentos é
possível apontar alguns exemplos de medidas mitigadoras que consigam aproveitar esse
tempo, para melhorar a eficiência dos trabalhadores na construção. Esses exemplos são
apresentados a seguir:
I.
II.
Melhoria das condições de acesso ao canteiro.
Melhoria da eficiência do controle feito na entrada e na saída do canteiro aos
trabalhadores.
III.
Melhoria das condições de circulação dentro do canteiro, estudando melhor a
organização do mesmo.
IV.
Melhoria da disponibilidade dos equipamentos necessários para a execução das
tarefas, aplicando aparelhos de rádio frequência para localização mais rápida dos
mesmos.
No final do desenvolvimento das medidas mitigadoras fica concluída a quarta fase do
método de estratificação.
32
2.4.2.2
Comunicação dos Resultados
Na apresentação dos resultados e ações é muito importante ter uma base de dados
recolhidos em obra. Isto permite uma leitura da evolução da produtividade, podendo
assim provar a eficiência das medidas mitigadoras. Nesta fase do projeto é normalmente
feita uma apresentação das maiores dificuldades enfrentadas no sentido de conseguir
avaliar a produtividade ( por exemplo: restrição ao acesso de informação da empresa),
os benefícios das medidas implementadas, os custos envolvidos na aplicação do
programa e os próximos passos a dar, no sentido de melhorar a aplicação do modelo de
estratificação.
33
3 Modelo de Entrada
3.1 Apresentação do modelo de entrada
Um dos percussores do modelo de Entrada é o conceito de work sampling que veio à
público em 1983 com o artigo Improving Productivity Estimates by Work sampling de
Thomas, o qual se baseia na definição de Work sampling. Este conceito foi inicialmente
desenvolvido pelo engenheiro Leonard Tippett em 1927 com o nome de “Snap-reading
method”. Este método era aplicado por engenheiros de produção na medição dos
trabalhos efetuados nas indústrias de série. Inicialmente este método garantia a
definição de um tempo limite para a execução de uma tarefa. No entanto este tipo de
análise não permitia a observação de todos os trabalhadores ao mesmo tempo, não
permitindo dessa forma uma avaliação da sua produtividade. Para contornar esta
solução, Leonard Tippett descreveu “snap-reading method” como uma sucessão de
observações instantâneas dos trabalhadores em intervalos de tempo aleatórios,
acreditando que a observação de todos nas mesmas condições iria apresentar um valor
médio representativo da situação real. Desta forma a indústria foi desenvolvendo estes
métodos até que nos anos 60, os mesmos começaram a ser associados à construção
civil.
Como foi mencionada no artigo de Thomas citado supracitado, um dos passos mais
importantes da aplicação do método work sampling reside na definição das categorias,
para a correta divisão da jornada de trabalho. Apesar de esta definição poder variar de
trabalho para trabalho, a que foi encontrada no artigo citado foi o seguinte:
I.
Direct Work (Trabalho Direto): Todos os esforços feitos no sentido de progredir
na tarefa em questão, ou dar assistência com o mesmo objetivo.
II.
Tools and Equipment (Equipamentos e Ferramentas): Definição referente ao
transporte, preparação ou ajuste de materiais e equipamentos.
III.
Waiting (Tempo de Espera): Períodos de espera para preparação do local de
trabalho, preparação de matéria prima, equipamentos, conclusão de um trabalho
precedente, entre outros.
34
IV.
Travel (Deslocamento): Todas as atividades que incluem circulação dentro do
canteiro sem transportar materiais ou equipamentos.
V.
Personal (Tempo Pessoal): Frações de tempo que o trabalhador não apresenta
rendimento por doença ou outras necessidades dentro do horário de trabalho,
tempo gasto em atividades não ligadas ao serviço.
Assim a jornada de um dia de trabalho é estratificado permitindo detectar a taxa de
ocupação da mão de obra através da análise do tempo gasto pelos trabalhadores nas
diferentes categorias. Em 1991, Thomas (Thomas 1991) refuta suas considerações de
que o Work sampling seria eficaz na melhora da produtividade.
Este artigo justifica o principal problema desses métodos quando se trata de medir
produtividade. No presente artigo, segundo Thomas, o fato da categoria Trabalho Direto
do método de work sampling ser passível de ser usado na medição da produtividade, se
baseia em três afirmativas:
I.
Redução de tempo passado na categoria Tempo de Espera, resulta em mais
tempo passado na categoria Trabalho Direto;
II.
Se mais tempo for gasto em atividades de Trabalho Direto, a produtividade
aumentará;
III.
Se as duas primeiras afirmativas forem verdadeiras, resulta que reduzindo o
tempo da categoria Tempo de Espera a produtividade aumentará.
Para testar a veracidade destas afirmações e consequentemente validarem a
possibilidade de medir a produtividade recorrendo ao work sampling, foram usadas
ferramentas estatísticas tais como um modelo estatístico de regressão linear onde se
analisou o valor do coeficiente de determinação (R²), o desvio padrão das amostras
assim como o valor médio. São analisados estudos de vários autores que tentam
comprovar a possibilidade de obter uma medição confiável da produtividade recorrendo
ao método de work sampling.
Sendo assim, Thomas analisou esses estudos, usando dados de alguns deles para prever
a relação das variáveis. O resultado final está representado no quadro da Figura 3.1.
35
Figura 3-1 - Quadro com valores estatísticos dos projetos (Fonte: Thomas, 1991)
Para a verificação da primeira relação, Trabalho Direto vs. Tempo de Espera foram
analisados três casos distintos.
Para o primeiro, um estudo formado sobre uma base de dados de 30 projetos, obteve-se
um coeficiente de determinação (R²) de apenas 0,11 o que revela uma relação muito
fraca entre as duas categorias. É possível analisar melhor esta relação com recurso ao
gráfico da Figura 3.2 onde é demonstrada a nuvem de pontos gerada com recurso aos
dados recolhidos.
36
Figura 3-2 - Relação entre Trabalho Direto e Tempo de Espera (Fonte: Thomas, 1991)
O segundo caso recorreu a 39 estudos de work sampling de 12 plataformas de energia
nuclear e 29 estudos de 7 plataformas de energia fóssil apresentando um resultado mais
elevado com um coeficiente de determinação de 0,48. No entanto, chegou-se a um valor
do erro quase tão elevado quanto o desvio padrão, o que significa que apesar de existir
alguma relação entre as duas variáveis, o tempo de espera proporciona apenas uma
pequena previsão da sua influência no trabalho direto. Para este estudo é possível
observar a relação na Figura 3.3.
Figura 3-3 - Relação entre Trabalho Direto e Tempo de Espera (Fonte: Thomas, 1991)
37
Em último lugar é apresentado um estudo dos autores Handa e Abdala lançado em
1989, que apresentou um valor de coeficiente de determinação muito alto, expressando
assim uma boa relação entre as duas categorias. No entanto, segundo o autor, este valor
tão elevado deve-se ao fato da porcentagem de trabalho direto inserido no estudo em
questão ser excessivamente elevada, fazendo com que as porcentagens das outras
categorias sejam consideravelmente menores, tendo pouca influência em todo o cálculo
estatístico.
Para a verificação da segunda afirmação foram apresentados cinco estudos, o que
oferecem uma conclusão mais confiável. Apenas quatro destes estudos foram incluídos
na tabela de resultados devido ao fato do autor não concordar com o método de
condução de um deles.
O Primeiro, desenvolvido por Thomas, analisava uma equipe de 30 encanadores que
instalavam válvulas em um edifício da Grand Gulf Nuclear Power Plant. Nesse
estudo foram definidos dois tipos de análises de dados de Trabalho Direto. Uma análise
foi feita em função dos tempos de espera igualmente as analises feitas anteriormente. A
outra usa fator de performance que resulta da razão entre as horas de trabalho recebidas
e as horas efetivamente trabalhadas
A Figura 3.4 demonstra as diferenças verificadas entre as duas vertentes quando
comparadas com o fator de performance.
Figura 3-4 - Relação Fator de performance em função da definição de Trabalho Direto (Fonte:
Thomas, 1991)
38
Este gráfico ilustrado na Figura 3.4 demonstra que a análise usada pelo autor, mostrando
uma maior influência no fator de performance, do que a usada no restante dos estudos, o
que levou o autor a tirar grande parte da conclusões pela mesma. Os resultados obtidos
para ambas as equações demonstraram uma relação muito pobre com um desvio padrão
um pouco elevado, provando que o Trabalho Direto funciona como uma variável
independente neste estudo.
O segundo estudo, conduzido por Handa e Abdalla em 1989, baseava-se em 8 semanas
de análise de uma equipe de montagem A equação usada nesta análise era composta por
dois termos, sendo o primeiro a porcentagem de Trabalho Direto e o segundo a
combinação das porcentagens das categorias Pessoais, Breaks (Pausas) e Late Starts e
Early Quits categoria que representa as entradas tardias e saídas antecipadas do local de
trabalho. Foi assim aplicada a distribuição estatística t-student, obtendo um valor de t= 0,06, o que demonstrava que a categoria Trabalho Direto tinha uma contribuição
mínima para a equação. Usando os dados deste estudo, aplicando-se uma regressão
linear, em que os resultados obtidos demonstram que não existia relação entre as duas
variáveis.
Em terceiro lugar, é apresentado o estudo realizado por Logher e Collinse m 1978, que
relata cinco projetos envolvendo a colocação de ladrilhos de pavimentação. Foram
aplicados dois modelos de regressão linear, usando a taxa unitária com variável
dependente e trabalho produtivo e o total dos trabalhos relacionados como variáveis
independentes. Os resultados apresentados na tabela da Figura 3.5 mostram que o tempo
produtivo não está relacionado com a produtividade, seguindo desta forma os resultados
dos estudos anteriores.
Em último lugar foi apresentado um estudo desenvolvido pelo autor baseado em 3
projetos, que, segundo o mesmo foi o mais conclusivo de todos os outros. Pois este tem
os fatores de performance como estatísticas mensais em vez de cumulativas e pelo fato
das porcentagens de Trabalho Direto e dos fatores de performance contendo as mesmas
equipes de trabalho durante o mesmo tempo de estudo. O resultado foi mais uma vez de
acordo com os anteriores, permitindo concluir que a categoria Trabalho Direto
determinado por work sampling é uma variável e não está completamente relacionada
39
com a produtividade. A falta de relação entre as duas variáveis é representada na Figura
3.5.
Figura 3-5 - Relação entre Fator de Performance e Trabalho Direto (Fonte: Thomas, 1991)
No que toca ao terceiro e último pressuposto a verificar, são apresentados apenas dois
estudos efetuados pelos autores Handa e Abdalla em 1989 e por Rogge e Tucker em
1982.
No primeiro estudo, os autores reportaram a taxa unitária (horas trabalhadas/ m2) de
uma equipe de montagem de pré moldados e combinaram as porcentagens de tempo de
espera com o tempo ocioso, obtendo um valor do coeficiente de determinação e do erro
padrão de 0,09 e 0,67 respectivamente. Isto demonstra claramente a fraca relação entre
as duas variáveis em estudo, contribuindo desta forma para a negação do terceiro
pressuposto.
No segundo estudo, foram comparados os tempos de atraso fornecidos por pesquisas de
construtoras com os tempos de espera de um estudo de work sampling. Foram também
apresentados dados relativos a fatores de performance referentes ao mesmo período de
tempo. O autor resolveu relacionar os dados provenientes deste estudo, com os fatores
de performance de carpinteiros, eletricistas, armadores e bombeiros, conseguindo um
resultado final de um modelo de regressão linear com os valores de 0,41 para o
coeficiente de determinação e 0,17 para o erro padrão. Usando ainda um modelo similar
40
com a introdução dos dados dos autores Logcher and Collins de 1978, foram obtidos os
valores de 0,50 para o coeficiente de determinação e 0,012 para o erro padrão. Esse
autor propôs ainda que o tempo perdido em pausas e atividades não relacionadas com a
tarefa em desenvolvimento apresentava uma relação mínima com a produtividade. A
Figura 3.6 demonstra a variação da produtividade baseada no tempo gasto a trabalhar
em função do tempo em espera.
Figura 3-6 - Relação entre Produtividade e Tempo de Espera (Fonte: Thomas, 1991)
Após a análise de todos estes estudos relatados no artigo previamente citado é notável
que a veracidade das afirmativas foi colocada em dúvida por uma ferramenta
matemática com grande credibilidade, a estatística. Isto vem provar que a medição da
produtividade com recurso ao método de work sampling, não é uma boa alternativa
quando se procuram resultados que apresentem alguma veracidade.
3.1.1
Comparação entre Work sampling e Activity Analisys
Muito se escreveu sobre o work sampling e seus benefícios para o estudo da
produtividade. Alguns autores se mostraram contra este método de medição de
41
produtividade por não avaliar o produto realizado (saída). Entretanto vários estudiosos
são favoráveis as idéias contidas no work sampling. Trabalhando em cima destes
conceitos surge um novo método para análise de mão de obra um modelo mais
completo e que vem com intuito não só de medir a produtividade, mas sim trazer uma
melhora efetiva para o processo. O Activity Analysis traz uma evolução para o antigo
modelo de Thomas.
Uma das diferenças mais marcantes são as categorias em que a jornada de trabalho pode
ser dividida: Trabalho direto, Trabalho Preparatório, Equipamento (Envolve preparação
ou movimentação de material), Espera por serviço, Deslocamentos e Tempo Pessoal. A
análise mais detalhada de cada operário se dá por hora de trabalho mostrando assim
dados mais fiéis ao real de como é gasto o tempo durante a jornada.
O Activity Analysis é um processo de melhora continua e ele é baseado num ciclo PDCA
de melhora continua. Este identifica as áreas mais críticas do processo facilitando a
manutenção e melhora dos índices.
3.1.2
Evolução do modelo de entrada: Activity Analisys
Depois do artigo de Thomas em 1991, não houve mais publicações sobre work sampling
até 1996, onde especialistas em produtividade começaram a publicar seus estudos e
análises. Picard, um consultor em produtividade publicou resultados de duas obras
realizadas por uma empresa americana no estado do Tennesse. Os resultados de melhora
na produtividade foram bastante satisfatórios chegando a mais de 20% de melhora
(Picard e Seay Jr. 1996).
Outros artigos acadêmicos continuam usando work sampling, um estudo lançado por
Jenkins em 2002 trazia alguns resultados tirados de obras realizados no ramo
farmacêutico e obtiveram bons índices e a partir do work sampling ele foi capaz de
encontrar altos índices de espera e falta de trabalho chegando assim ao cerne do
problema, que era uma má gestão por parte da gerência da obra.
Algumas poucas construtoras mantiveram departamentos de produtividade aonde
consultores como Picard e O’Brien (2002) conduziram os estudos e aplicaram do work
sampling em busca de uma melhora nos índices, mas a quantidade de projetos não foi
suficiente para se ter dados concretos que provem a eficiência do método.
42
O Activity Analysis nasce a partir do trabalho de um time de acadêmicos do CII
(Constructin Institute Industrie). Uma instituição internacional formada por acadêmicos
e membros da indústria da engenharia das mais variadas vertentes. Este time, CII
Research Team 252 era formado por pesquisadores da aérea de produtividade e
gerenciamento da construção civil. Estes são os percussores e criadores do Guide to
Activity Analysis onde existe todo um estudo detalhado de como deve ser feito o ciclo
de melhoria do Activity Analysis.
Mais tarde foi lançado o artigo Activity Analysis for Direct Work de Gouett, Haas,
Goodrum e Caldas membros do CII Research Team 252, lançando para comunidade
científica suas idéias e métodos previamente mostrados no guia.
A introdução do Activity Analysis veio pra substituir os estudos de Work sampling, pois
como foi dito anteriormente ele traz uma proposta muito mais completa e bem
estruturada. Alguns passos desse ciclo são a medição de desempenho e produtividade,
análise de resultados para uma melhora potencial. O Activity Analysis utiliza essa
abordagem para identificar os problemas que inibem produtividade e prover soluções e
medir novamente as melhoras no Trabalho Direto. Na Figura 3.7 mostra-se a melhora
nos índices de trabalho direto em 11 construções estudadas e onde foi aplicado o
modelo. Em 10 dos 11 projetos houve um aumento nas taxas de Trabalho direto após o
segundo ciclo em comparação ao primeiro. E um projeto mostrou melhora nos índices
comparados com os dois primeiros ciclos.
43
Figura 3-7 - Porcentagem de melhora no Trabalho Direto em ciclos sucessivos comparados com o
primeiro. (Activity Analysis Guide, Caldas, Goodrum)
Para analisar casos de sucesso do Activity Analysis como método de melhora continua
de produtividade é importante a criação de metas e objetivos bem claros e alinhados
com os objetivos desenhados. Para garantir que haja um aumento das taxas de
produtividade deve-se existir um sistema de metas a serem cumpridas pra estimular a
mão de obra a melhorar as taxas. Geralmente modelos baseados em melhora continuam
perdem força devido à falta de objetivos a serem alcançados. Obviamente o modelo não
busca o objetivo de 100% do tempo da jornada de trabalho somente em Trabalho Direto
e 0% de Tempo Pessoal ou Espera. Esta é uma situação impossível, porém barreiras
podem ser vencidas e fazer com que os Tempos pessoais diminuam e se tornem
Trabalho Direto.
Antes de realizar as medições devem ser feitas algumas considerações sobre as
variações encontradas dentro da indústria da construção civil. Diferentes equipes de
trabalho possuem uma grande variação em seus números, como por exemplo, as equipes
de pedreiros possuem uma taxa de Trabalho Direto muito maior que as dos eletricistas e
44
bombeiros. Isto pode ser explicado, geralmente, pois os últimos têm uma maior
complexidade na execução e na preparação do serviço.
O tipo de projeto também pode trazer diferenças percentuais em atividades estudadas.
Projetos industriais possuem números de Trabalho Direto menor e maior em Tempo de
Preparação do que em projetos comerciais por serem mais complexos. Assim projetos
que possuem uma baixa tolerância possuem taxas de Trabalho Direto menores, pois há
uma maior atenção e preparação na execução evitando assim o retrabalho. As condições
climáticas podem ter impactos significativos nas taxas, trabalhos em regiões muito
quentes tendem a ter uma taxa de Tempo Pessoal muito alta e diminuição na taxa de
Trabalho Direto.
A criação de metas é essencial para o bom funcionamento do Activity Analysis e
efetividade da melhora de produtividade. Essas metas devem atingir todos os
funcionários desde a equipe de staff até as gerencias. Contudo esta fase é bastante
complexa devido às fases de projetos e características intrínsecas a cada projeto
realizado. Para isso é recomendado uma base de dados benchmarking de projetos. Ou
seja, uma base de dados de projetos bem sucedidos e que obtiveram os melhores
resultados de todo o mercado. Com estes resultados fica mais fácil a estruturação de um
sistema de metas das equipes em diferentes estágios e tipos de construções. Além disso,
esses dados são importantes para a comparação entre os ciclos do Activity Analysis para
averiguar se as taxas estão de acordo com as variâncias padrão.
Os projetos devem então ser divididos de acordo com sua finalidade. A seguir traz-se
uma lista de informações que devem ser informadas sobra o projeto.
Informações gerais do Projeto:
I.
II.
Tipo
Escopo do projeto
III.
Tamanho
IV.
Nível de complexidade
V.
Localidade
45
VI.
VII.
VIII.
IX.
X.
XI.
Número de funcionários no canteiro
Porcentagens de contratados e funcionários próprios
Valor total do Projeto
Desempenho do Projeto
Estágio do Projeto
Orçamento Econômico
Informações da medição:
I.
II.
Data do estudo,
Condições climáticas do período de estudo,
III.
Equipes envolvidas no estudo
IV.
Taxa de Trabalho Direto, Trabalho Preparatório, Equipamentos, Transporte de
Material, Tempo de Espera, Deslocamento e Tempo Pessoal.
V.
3.1.3
Gráficos mostrando as porcentagens referentes.
Descrição do Modelo
O ciclo de melhora contínua do Activity Analysis é representado na Figura 3.8, esta é
uma adptação do ciclo criado pelo CII Research Team 252. E é seguindo estas etapas
que os resultados de melhorias na produtividade serão atingidos
46
Plano de
Estudos
Implementar
Melhorias
Planejar
Melhorias
Amostras
Análise
Figura 3-8– Ciclo de Melhora Continua (Adaptado de Gouett, C., Caldas, H., Goodrum, M., Haas,
Activity Analysis Guide, 2010)
Primeiramente deve-se montar um plano de estudos para e definir parâmetros a serem
coletados. Os tópicos a serem coletados podem ser divididos em diversos grupos que
estão listados a seguir.
I.
II.
Trabalho direto
Trabalho Preparatório
III.
Equipamento e Materiais
IV.
Deslocamento de Materiais
V.
Espera por serviço
VI.
Deslocamentos
VII.
Tempo pessoal
O próximo passo é a definição de a população ser medida. Para isso deve ser definido
como será feita a escolha da equipe a ser estudada e medida. Pode ser feita em 3
maneiras: i) em forma de tour, que permite um bom gerenciamento do canteiro pois ele
passa por todos lugares, e inclui todos os funcionários da obra. O tour é feito de maneira
randômica pelo canteiro; ii) por equipe onde só é observada uma equipe em específica.
47
Este tipo de abordagem pode gerar problemas por ser muito direta na equipe que se
senti incomodado com a presença de alguém, alterando assim os dados de uma situação
nas condições normais. Este tipo de abordagem não é recomenda pelos autores do guia;
iii) equipe modificada é uma evolução do método anterior, pois este abrange a todos os
empregados. Estes por sua vez estão identificados e diferenciados por equipe de
trabalho. Assim se o gerente de construção quiser ter uma visão de como anda os
números da equipe de eletricistas, ele só receberá as taxas de empregados realizando
serviços elétricos. É uma abordagem superior as outras.
3.1.3.1
Identificação das equipes de trabalho:
Nessa etapa os operários serão divididos por função e serão identificados de maneira
que se possa ser facilmente diferenciados. Um observador experiente poderia facilmente
identificar a função do operário enquanto ele realiza o serviço, porém não terá
condições de realizá-lo caso o operário esteja em deslocamento. È importante que o
observador realize apenas a verificação do trabalho e não tente interpretar o trabalho ou
a situação que se apresenta.
No guia é usado uma identificação por cores. Uma fita colorida e colada nos capacetes
dos operários, facilitando a visão do observador. Outra maneira de identificar é usando
uma numeração que é bastante simples e intuitivo para o observador.
3.1.3.2
Definição das categorias de estudo:
As categorias vão definir o quão preciso o estudo será. Porém não é indicado usar
muitas categorias, pois estas podem sobrecarregar o observador e se tornar um estudo
pouco produtivo para um observador pouco experiente. Por isso chegou-se as categoria
mais usuais que podem dividir de maneira bem completa as atividades realizadas ao
longo da jornada de trabalho:
3.1.3.2.1 Trabalho Direto:
O trabalhador exerce esforço físico diretamente em seu serviço determinado.
Nas Figuras 3.9, 3.10 e 3.11 mostra-se exemplos do Trabalho Direto. A seguir
exemplos práticos e situações usuais de obra.
48
I.
Pedreiro: Realizar serviços de obra, tais como: assentamento de tijolos, blocos,
pisos, azulejos, vasos sanitários, pias, esquadrias, caixilhos, caixas de inspeção,
redes de esgoto e hidráulica e outros; o Realizar serviços de acabamento em
gesso nas partes interiores e tetos do edifício da Empresa; Efetuar manutenção
corretiva de prédios, calçadas, paredes, pisos, telhados, aparelhos sanitários e
manilhas.
II.
Bombeiro: Efetuar instalação de redes hidráulicas e de esgoto, localizando e
eliminando vazamentos, trocando canos e manilhas, utilizando-se de vergalhões
para desentupir, chaves corrente, grifo, bombas de pressão manual e outros; o
Efetuar a instalação em encanamentos em geral, consertando ou trocando caixas
d'água, chuveiros, ralos, válvulas, registros, canos avariados e manilhas de
esgoto.
III.
Carpinteiro: Confeccionar e efetuar reparos em peças de madeira, serrando,
aplainando e/ou furando tábuas, caibros, sarrafos e outros tipos de peças; o
Instalar e efetuar reparos em móveis e peças confeccionadas, como: portas,
batentes, janelas e outros, bem como montagem e desmontagem de armários,
estantes, divisórias, substituindo as partes danificadas.
IV.
Eletricista: Efetuar a manutenção nas instalações elétricas, redes de alta e baixa
tensão, cabines de força, quadros e outros, instalando e reformando aparelhos de
ar condicionado. Efetuar a manutenção preventiva de motores, transformadores,
disjuntores, reatores, equipamentos elétricos em geral, sistemas de comando,
sinalização e proteção.
V.
Operadores de máquinas na obra em geral: Retro escavadeira, guindastes,
marteletes, brocadores, rolos de compactação entre outros.
VI.
VII.
VIII.
IX.
Ajudantes: Preparação da concretagem, preparação da massa para o chapisco.
Pintores: realização de pintura, montagem de andaimes e marcação de áreas
Qualquer funcionário que esta ajudando um ao outro na função
Colocação de itens de segurança.
49
Figura 3-9 - Exemplo de Trabalho Direto – Concretagem. (Fonte: Gouett, C., Caldas, H., Goodrum,
M., Haas, Activity Analysis Guide, 2010)
Figura 3-10Exemplo de Trabalho Direto – Operando o Caminhão e outro operando a retro
escavadeira (Fonte: Gouett, C., Caldas, H., Goodrum, M., Haas, Activity Analysis Guide, 2010)
50
Figura 21: Exemplo de Trabalho Direto – Instalação elétrica. (Fonte: Gouett, C., Caldas, H.,
Goodrum, M., Haas, Activity Analysis Guide, 2010)
3.1.3.2.2 Trabalho Preparatório:
São atividades que relacionam o entendimento do funcionário com o seu serviço a ser
realizado. Envolve receber as instruções e comentários de seus superiores. Diálogos de
segurança também entram nessa categoria, explicações em geral dos planos e metas
para o dia e durante a jornada qualquer tipo de instrução e recomendação: Alguns
exemplos específicos:
I.
Recebimento de desenhos de projeto, onde o engenheiro e encarregado passam
informações de como deve ser executado o serviço.
II.
Instrução via rádio e walk talk.
III.
Inspeção de áreas com supervisores e encarregados
IV.
Preparação e discussão sobre lista de materiais e recursos
V.
Diálogos de saúde e segurança.
Na Figura 3.11, dois funcionários usando os desenhos de projeto para preparar seu plano
de trabalho. Nesse caso pode ser o encarregado dando instrução a algum funcionário,
51
nesse caso seria apenas uma pessoa em Trabalho Preparatório, os encarregados, mestres
ou estagiários não entram nas medições.
Figura 3-11 - Exemplo de Trabalho Preparatório – No caso pode ser um funcionário recebendo
instrução do encarregado ou dois funcionários consultando os desenhos de projeto. (Fonte: Gouett,
C., Caldas, H., Goodrum, M., Haas, Activity Analysis Guide, 2010)
3.1.3.2.3 Equipamentos:
Envolve transporte, obtenção e ajuste do material a ser usado no serviço direto. São
entendidos como Equipamento os transportes de máquinas e materiais pelo canteiro
para a realização do serviço.
I.
II.
Alguns exemplos da atividade Equipamentos:
Ajudante recebendo material na obra, transferência pros almoxarifes.
III.
Preparação de máquinas como britadores, pistolas finca pino, marteletes.
IV.
Ajuste e montagem de andaimes, gruas e plataformas elevatórias.
Nas Figuras 3.12 e 3.11 tem-se dois exemplos do item Equipamento, onde há um
transporte de matérias e um ajuste de equipamento para realização do serviço.
52
Figura 3-12 - Exemplo de Equipamentos – funcionário transportando braçadeiras. (Fonte: Gouett,
C., Caldas, H., Goodrum, M., Haas, Activity Analysis Guide, 2010)
Figura 3-13Exemplo de Equipamentos – Funcionário ajustando a plataforma elevatória. (Fonte:
Gouett, C., Caldas, H., Goodrum, M., Haas, Activity Analysis Guide, 2010)
3.1.3.2.4 Movimentação de Material:
Essa categoria refere-se ao transporte de materiais de uma parte a outra do canteiro de
obras. Contudo não envolve itens como: encanamentos hidro sanitários, materiais
elétricos, matérias pra pintura.
53
Seguem algumas atividades específicas para Deslocamento de Materiais:
I.
Movimentações feitas por guindastes: Onde o operador será tomado como
Equipamento e os funcionários auxiliando estarão sendo marcados como
Deslocamento de Materiais.
II.
Como ocorre movimentação de estruturas metálicas e peças pré moldadas onde
necessite uma mão de obra no auxilio e no encaixe do material.
Na Figura 3.14 abaixo segue uma Figura de um exemplo de Movimentação de
Materiais, onde há o transporte de tijolos para o local da instalação. Nesse caso como
são dois funcionários auxiliando na atividade é computado a marcação de dois
Deslocamentos de Material.
Figura 3-14 - Exemplo de Movimento de Materiais – Funcionários ajustando na movimentação de
tijolos. (Fonte: Gouett, C., Caldas, H., Goodrum, M., Haas, Activity Analysis Guide, 2010)
3.1.3.2.5
Tempo de Espera:
Funcionário fica na espera da realização de outro serviço para poder dar início a seu
trabalho ou aguarda algum tipo de ordem ou instrução para prosseguir com seu trabalho.
Exemplos:
I.
Esperando ordens de encarregados ou engenheiros.
54
II.
Espera de caminhões e guindastes com materiais.
III.
Espera de um serviço terminar para começar outro
IV.
Espera de liberação de uma área onde esta ocorrendo um serviço
V.
Espera de movimentação de materiais.
A Figura 26 mostra um funcionário esperando os outros fazerem a amarração da
armadura. Nota-se que o funcionário se mostra atento ao serviço por isso pode ser
classificado Tempo de Espera, caso ele estivesse fora do foco do serviço será
considerado Tempo Pessoal.
Figura 3-15 - Exemplo de Movimento de Materiais – Funcionários ajustando na movimentação de
tijolos. (Fonte: Gouett, C., Caldas, H., Goodrum, M., Haas, Activity Analysis Guide, 2010)
3.1.3.2.6 Deslocamentos:
Tempo usado no deslocamento pessoal que não envolve o transporte de material ou
informação. Onde o funcionário não carrega nenhum tipo de material.
I.
Trabalhador ou equipe de trabalho em movimento de mãos vazias. Caso estejam
com cinto de ferramentas ainda é considerado Deslocamento.
II.
Operário que esteja se deslocando com algum equipamento e que não esteja
usando para ajustar-se dentro do canteiro.
55
Na Figura 3.16 tem-se um exemplo de Deslocamento, pois estes funcionários estão
deslocando-se sem algum tipo de ferramenta e sem algum tipo de orientação. Nota-se a
importância da identificação dos funcionários, no caso o capacete azul refere-se a
eletricistas e assim é possível determinar a equipe deve ser creditado essa marcação.
Figura 3-16 - Exemplo de Deslocamento, funcionários em deslocamento. (Fonte: Gouett, C., Caldas,
H., Goodrum, M., Haas, Activity Analysis Guide, 2010)
3.1.3.2.7 Tempo Pessoal:
Funcionário realiza atividades pessoais que não envolvem o serviço realizado.Como por
exemplo:
I.
Realizar necessidades pessoais.
II.
Conversas livres sem relação ao trabalho.
III.
Pausa pessoal para se alimentar e hidratar.
IV.
Pausa para fumar.
V.
Descansar durante o horário de serviço.
56
Na situação ilustrada na Figura 3.17 são mostradas exemplo da marcação de tempo
pessoal. Os funcionários parecem estar descansando e sem prestar atenção a qualquer
tipo de serviço. No momento da observação não era um momento de folga programada.
Importante ver a marcação dos capacetes que identificam a função de cada operário.
Figura 3-17 - Funcionários em Tempo Pessoal (Fonte: Gouett, C., Caldas, H., Goodrum, M., Haas,
Activity Analysis Guide, 2010)
3.1.3.3
Planejamento dos Estudos:
Nessa fase serão feitas algumas considerações que devem ser tomadas para realizar-se
os estudos de coleta e tratamento de dados. Para manter uma acurasse estatística deve-se
determinar alguns fatores importantes: tamanho da amostra, tamanho do estudo, rota de
estudo, horários de inícios e janelas durante a jornada de trabalho. Para determinar o
tamanho da amostra será feita uma análise mais completa a seguir. A duração do estudo
será dependente do tamanho das amostras, e de observações feitas por dia. Contudo o
recomendável para esse tipo de estudo é que seja pelo menos três semanas para terem
resultados bastante significativos. As rotas e horários que devem ser feitas para a coleta
de dados devem ser aleatórias em toda a duração do processo para que os resultados
sejam representativos. Algumas rotas devem ser definidas pelo dia e devem ser
escolhidas aleatoriamente, caso as rotas sejam previsíveis os trabalhadores podem
57
perceber a frequência e alertar todos os trabalhadores deixando assim os dados
diferentes do real. As horas das rotas também devem manter essa aleatoriedade evitando
passar pelos mesmos locais em horas repetidas. Essas prevenções são feitos para evitar
o efeito Hawthorne, que será explicado adiante.
Outro ponto de atenção que se deve ter a ao realizar as rotas, são os períodos que
ocorrem as anotações, em certos períodos há um maior ou menos empenho da mão de
obra. Por exemplo, os períodos de início e término de expediente são períodos para mão
de obra onde ela se encontra menos focada no serviço. Por isso para uma amostra
consistente as anotações devem ser feitas em diversos períodos durante a jornada de
trabalho para que se tenha uma melhor representação do expediente real.
3.1.3.3.1 Determinação do tamanho das amostras:
A determinação do tamanho da amostra é processo muito importante para acurasse do
estudo de Activity Analysis. É sabido que quanto maior a amostra mais acurada vai ser
o estudo e menos os erros encontrados, contudo deve haver um balanço entre a acurasse
do estudo e custo ligado a ele.
Normalmente a indústria aceita um erro de até ± 5% e 95% de confiabilidade. É
importante também a determinação do período válido para o tamanho de amostras.
Geralmente o tempo proposto para o calculado do tamanho de amostras é de uma hora
(Como de 8 – 9 AM). Porem é praticamente impossível observador realizar a coleta de
dados, nessa pequena janela de tempo. Para essa solução o valor daquela hora específica
(de 8 – 9 AM) será distribuído ao longo dos dias de observação.
Muitos artigos de engenharia trazem a seguinte equação para determinação de tamanho
de amostras baseados no erro aceitável pelo pesquisador.
n=
(Zα⁄2 )2 p(1 − p)
d2
Onde Zα/2 é o valor da valor da variável normal
correspondente ao nível de
confiabilidade de α . Para o nível de confiança seja de 95% então α = 1 - 0.95 = 0.05
correspondendo a um Zα/2 = 1.96. Assumindo que porcentagem p é desconhecida, usa-se
um valor de 50% ( 0,5 ), trazendo o pior cenário e garantindo que a amostra será super
estimada. Resumindo os valores aceitos pela indústria para as variáveis são: p = 0.5,
Zα/2 = 1.96, e d = 0.05. O que resulta num total de 384 observações.
58
A equação acima ignora o efeito o fator de correção da população infinita. Esta assume
que a população total é muito maior que o tamanho da amostra. Entretanto na maioria
dos canteiros de obra, os números de trabalhadores não são tão significativos para que o
fator de correção seja 1. A equação a seguir traz o fator de correção onde N é total da
população e n0 é o valor do tamanho da amostra dado pela equação acima.
n=
1
1
n0
+ N1
O exemplo usado será tratado com N igual 1000 que praticamente o margem dos
estudos realizados, com o erro de ± 5%. O número de amostras corrigido vai para 278
observações, ou seja, uma redução de 27,6%.
Baseada nas experiências criadoras do guia o numero máximo de observações em uma
janela de uma hora de duração, é de 40 a 60 observações, então para coletar o amostra
ideal seria necessários vários dias de análise.
Um fator a ser considerando é que a curva utilizada para o nível de confiança é uma
curva binominal, ou seja, envolve apenas duas variáveis, como foi visto as observações
podem ser divididos em até sete componentes produzindo um estudo multivariado. Se
aplicar os mesmos cálculos acima para uma curva multi nominal e mantendo a
confiança de 95% o numero de amostras subiria de 381 para 724 sem considerar o fator
de correção, contudo o fator p não poderia ser 50% para todas as 7 categoriais pois seria
um estudo extremamente super estimado. Outra solução para chegar ao tamanho da
amostra foi desenvolvida por S.K. Thompson em 1987 que trazia uma solução para
achar o pior cenário para múltiplas variáveis
1
(1− )
Z(1− α ) 2 m
2m
n0 = max {
}
d2
Essa equação para um grau de confiança de 95% e erro de d = 0,05 e m = 3 o valor
encontrado é de 510 usando o fator de correção com população máxima igual a 100
chega se ao numero 338 amostras.
59
Thompson ainda lançou uma tabela considerando um erro de ±5% para diversos níveis
de confiança. A tabela é mostrada no artigo “Sample size for estimating multinomial
proportions”.
α
d2no
no(d=0.05)
m
0.5
0.44129
177
4
0.4
0.50729
203
4
0.3
0.60123
241
3
0.2
0.74739
299
3
0.1
1.00635
403
3
0.05
1.27359
510
3
0.025
1.55963
624
2
0.02
1.65872
664
2
0.01
1.96986
788
2
0.005
2.28514
915
2
0.001
3.02892
1212
2
0.0005
3.35304
1342
2
0.0001
4.11209
1645
2
Tabela 3-1 - Tamanho de amostra variando o nível de confiança com erro de d = 0,05 (Fonte:
Gouett, C., Caldas, H., Goodrum, M., Haas, Activity Analysis Guide, 2010)
3.1.3.4
Seleção e treinamento dos observadores:
Observadores serão os responsáveis pela coleta de dados dentro do canteiro de obra.
Devem ser funcionários capacitados com bastante experiência no ramo da construção
civil. Ao realizar a observação é necessário captar a primeira impressão do serviço
realizado e em outros casos deve-se avaliar o contexto do momento observado.
Devem-se manter imparcial no serviço e não influenciar os funcionários de nenhuma
maneira para não interferir na veracidade dos dados.
60
O observador deve manter distâncias seguras dos locais onde está sendo realizado o
serviço, para não influenciar o funcionário observado. E não atrapalhe sua visualização
da realização do serviço.
A coleta de dados deve ser cancelada caso algum evento inesperado ocorra. Como por
exemplo, treinamentos, ou atividades climáticas que influenciem a andamento da
construção.
Os observadores não devem ceder informações coletadas para os responsáveis pela obra
e nem fazer comentários pessoais sobre certos trabalhadores.
3.1.3.4.1 Preparação no Canteiro de Obras para a realização da coleta de dados:
Para se realizar uma coleta segura de dados o empreendimento que será usado para a
pesquisa deve estar adequado da melhor forma para recebe e auxiliar a equipe de Coleta
de dados.
Primeiramente os funcionários que serão avaliados não poderão saber da realização da
coleta de dados, pois podem levar os funcionários a agirem de maneira diferente.
Funcionários devem ser devidamente identificados por função e trabalho realizado para
que o observador possa realizar a coleta corretamente. Essas marcações podem ser
desde capacetes de cores diferentes ou fitas coloridas ou símbolos presos ao uniforme
do funcionário
3.1.3.5
Execução do estudo:
No inicio da jornada de trabalho o observador, responsável pela coleta de dados deve
preparar uma série de formulários para o número de horas que será realizado a coleta de
amostras. Estes formulários devem explicitar o tipo especifique de equipe que será
avaliada.
Observadores serão os responsáveis pela coleta de dados dentro do canteiro de obra.
Devem ser funcionários capacitados com bastante experiência no ramo da construção
civil. Ao realizar a observação é necessário captar a primeira impressão do serviço
realizado e em outros casos deve-se avaliar o contexto do momento observado.
Deve-se manter imparcial no serviço e não influenciar os funcionários de nenhuma
maneira para não interferir na veracidade dos dados.
61
3.1.3.5.1 Como evitar o efeito Hawthorne:
O efeito Howthorne consiste na mudança de comportamento de um estudo de população
causada pelas presenças dos responsáveis pela coleta.
Esse efeito pode afetar
negativamente a veracidade do estudo do Activity Analysis. Tem origem na segunda
metade dos anos vinte, uma série de estudos experimentais foi conduzida por
pesquisadores da Escola de Negócios de Havard na fábrica da Hawthorne Works nos
subúrbios de Chicago. Na verdade, quatro pesquisas diferentes foram realizadas, mas
apenas uma delas, ganhou notoriedade, sendo conhecida como o experimento da
iluminação.
Pode-se dizer que os pesquisadores buscavam identificar o efeito das condições de
trabalho sobre a produtividade e a moral dos trabalhadores. Por se tratar de um estudo
experimental, dois grupos foram constituídos: um grupo (controle) no qual as condições
de trabalho eram mantidas constantes, e um segundo grupo (experimento) onde eram
introduzidas variações na intensidade de iluminação. Ao proceder desta forma, os
pesquisadores podiam atribuir quaisquer alterações observadas à única coisa que
diferenciava os dois grupos, no caso, a iluminação. Organizados desta forma, os
pesquisadores aumentaram a iluminação de um dos grupos. Contudo o nível de
produtividade continuava aumentando contrariando a idéia dos pesquisadores. Estes
aumentaram a luz mais uma vez, e a produtividade voltou a subir. Entretanto, quando
eles reduziram a luz, a expectativa era a de que a produtividade caísse já que esse era a
“único” fator diferente no ambiente de trabalho, contudo a produtividade continuou a
crescer. E até no grupo controle onde nada teoricamente havia sido modificada, a
produtividade passou a crescer. Ao final, chegou - se à conclusão de que o aumento de
produtividade era devido ao fato de que os trabalhadores estarem sendo objeto de
atenção. Ou seja, o aumento de produtividade se dava simplesmente porque na
percepção dos trabalhadores alguém estava preocupado com eles e pelas oportunidades
que eles tinham de discutir aspectos da mudança antes delas ocorrerem.
Para evitar este efeito e manter os dados mais próximos do real precisam-se realizar três
ações que visão inibir o efeito Howthorne.
62
VI.
Explicar a importância do Activity Analisys e seus benefícios para os
empregados:
Pela experiência dos pesquisadores criadores do método os funcionários não aceitam
bem o modelo por se sentirem que estão sendo cobrados ou avaliados individualmente
de alguma maneira. Contudo se a gerência envolvida no empreendimento souber
conduzir essa conversa com as equipes de obra e haver uma conscientização dos
trabalhadores que este estudo é benéfico para a empresa e consequentemente para os
funcionários. Esse passo é de suma importância para a implantação do Activity Analysis
no canteiro de obras.
3.1.3.5.2 Template dos formulários de coleta de dados:
O grupo responsável pelo guia Activity Analysis tratou de criar formulários para
aperfeiçoar o tempo de anotação do observador e também garantir que a coleta seja feita
de maneira correta. Na Figura 3.18 traz-se um modelo que pode ser usado na obra. Onde
se podem imputar as informações de hora, local, e equipes a serem analisadas. Há
também espaço para comentários pertinentes ao estudo.
DATE
OBSERVATION #
CATEGORY
HEAD COUNT
CRAFT
IDENTIFIER
START TIME
STOP TIME
CRAFT
COMMENTS
Direct Work
OBSERVATION WORKSHEET
Prep Work
Tools/
Equip
Material
Handling
Waiting
Travel
Personal
Figura 3-18 - Exemplo do formulário de Coleta de Dados (Fonte: Gouett, C., Caldas, H., Goodrum,
M., Haas, Activity Analysis Guide, 2010)
63
3.1.3.6
Análise:
Este etapa consiste em calcular e analisar os dados coletados. O primeiro passo será
calcular de maneira geral as porcentagens de cata item estudado. Os resultados
mostrarão a porcentagem de tempo que os funcionários gastaram em cada atividade
estudada. Este dado será a base para encontrar os agentes inibidores de produtividade.
Outro método importante é uma representação gráfica de como o Trabalho Direto se
comporta ao longo do dia hora a hora, neste será possível ter a visualização dos períodos
de maior e menor empenho do empregado e de cada equipe envolvida.
Para ilustrar esse tipo de estudo serão usados os estudos coletados pelo grupo RT 252,
autores do guia Activity Analysis. As informações coletadas são passadas para algum
programa computacional para se tratar esse dados. O modelo de planilha usando um
programa computacional (como Excel, Minitab ou Tableau) segue descrita na Figura
3.19.
Figura 3-19 - Planilha de recebimento dos daods coletados. (Fonte: Gouett, C., Caldas, H.,
Goodrum, M., Haas, Activity Analysis Guide, 2010)
64
Após o preenchimento das planilhas parte-se para a análise gráfica dos comportamentos.
O gráfico que melhor representa esse tipo estudo é o tipo Pizza. O exemplo da Figura
3.20 pode se referir a uma equipe em específico ou para o conjunto de todas as equipes,
trazendo um panorama geral do canteiro. Observa-se que o percentual de Trabalho
Direto é de 37% que para uma jornada diária é muito baixo. Pode-se atentar aos altos
índices de Tempo de Espera e Trabalho Preparatório com 14% e 15% respectivamente.
Essas altas taxas é que podem ser as possíveis gargalos da produtividade no exemplo
mostrado.
Trabalho
Preparatório
15%
% de atividades
Movimentaçã
o de Material
8%
Tempo
Pessoal
7%
Tempo de
Espera Equipamento
14%
6%
Trabalho
Direto
37%
Deslocamento
13%
Figura 3-20 - Exemplo do gráfico pizza (Fonte: Adaptado de Gouett, C., Caldas, H., Goodrum, M.,
Haas, Activity Analysis Guide, 2010)
Outra abordagem gráfica é bem similar mostrada anteriormente. Toma-se como Tempo
Produtivo as atividades de Trabalho direto, Trabalho Preparatório, Equipamentos e
Movimentação de Materiais E o Tempo não produtivo que é representado por Tempo de
Espera, Tempo Pessoal e Deslocamento. O gráfico a seguir traz esta configuração.
65
Porcentagem de Estudo
Tempo Não
Produtivo
34%
Tempo
Produtivo
66%
Figura 3-21 - Exemplo com a porcentagem total de produtividade. (Fonte: Adaptado de Gouett, C.,
Caldas, H., Goodrum, M., Haas, Activity Analysis Guide, 2010)
Para analisar como as porcentagens das atividades variam ao longo da jornada de
trabalho existe o gráfico, hora por percentual de atividades, que traz o percentual de
cada atividade por hora durante uma jornada de trabalho. E a parti deste gráfico que são
feitas análise de como se comporta as equipes ao longo da jornada e facilita visualização
de algum fator que esteja inibindo o Tempo produtivo. Segue exemplo na Figura 3.22.
Figura 3-22 - Exemplo do gráfico de horas tipo “Área” (Fonte: Gouett, C., Caldas, H., Goodrum,
M., Haas, Activity Analysis Guide, 2010)
66
3.1.3.7
Interpretação dos Resultados:
Após o estudo ser calculado e ilustrado através de tabelas e gráficos, as barreiras
inibidoras de produtividade pode ser identificado com maior facilidade. Deve-se levar
em consideração um detalhe muito importante que são as anotações relatadas pelos
observadores. Estes possuem uma visão diferente do comportamento dos funcionários,
pois a sua atenção e totalmente voltada para os funcionários, enquanto os encarregado e
engenheiros devem atentar aos produtos realizados para manter a qualidade desejada.
É preciso um forte envolvimento de toda parte gerencial relacionada ao
empreendimento para que possa ter uma melhor análise dos problemas e enxergar uma
melhor solução. Os dados encontrados devem ser comparados com os dados
Benchmarkings, ou seja, os melhores números do mercado para que se criem metas e
objetivos para a melhora contínua.
Em seguida será mostrada possíveis explicações e situações para certas altas taxas e
geralmente são inibidores de produtividade. Essas experiências são trazidas pelos
criadores do guia Activity Analysis.
3.1.3.7.1 Excesso de Trabalho Preparatório:
Certas atividades de Trabalho Preparatório são de suma importância e não devem ser
alterados como diálogos de segurança, ou atividade de alta periculosidade que põem em
risco a integridade física do empregado devem ser bastante estudada e planejada.
Contudo os tempos de preparação de tarefas e recebimento de instruções são atividades
que podem ter seu tempo reduzido com uma melhor gestão da mão de obra. As altas
taxas de Trabalho Preparatório podem ser causadas por dois principais fatores: Falta de
informações do projeto e falta de experiência do funcionário. Estes contribuem para
muito tempo gasto na seleção de ferramentas adequadas, manutenção de equipamentos e
na interpretação dos desenhos de projeto.
Isso pode ocorrer quando os supervisores não fornecem informações suficientes ao
funcionário deixando-o com bastantes dúvidas causando impactando no tempo de
Trabalho Direto. Para amenizar essas situações é necessário um trabalho por parte dos
encarregados e supervisores que devem criar planos de trabalho fechados para aquela
jornada dando assim objetivos claros e metas diárias para estimular o funcionário.
67
Quando o as altas taxas de Trabalho Preparatório são causadas pelo falta de experiência
das equipes na obra, é necessário um frequência maio de instruções dos mais
experientes ao mais de inexperientes. Os mais experientes tendem a ter uma melhor
compreensão dos projetos e fazem menos perguntas. Em um estudo feito pelo grupo RT
252, percebeu-se que usado dois funcionários experientes comparando com um
experiente e um aprendiz a redução de Trabalho Preparatório foi de 15% pelo grupo
com mais experiência.
3.1.3.7.2 Excesso de Equipamentos:
As principais causas do excessivo gasto de tempo no item equipamentos se dizem
respeito a três principais razões: Equipamentos quebrados, logística do canteiro e
localização dos almoxarifados e armazéns de materiais.
A logística no canteiro deve ser favorável para que a obtenção de equipamentos e
materiais, a disposição dos armazéns deve ser organizada de maneira adequada para
suprir cada equipe específica. Também há de se considerar se há quantidade de
ferramentas disponíveis para os funcionários. A falta de ferramentas pode causar
grandes atrasos e esperas muito grandes.
A manutenção das ferramentas das ferramentas e equipamentos são essências para o
bom funcionamento da obra e diminuição do tempo gasto no item Equipamentos. Devese partir da gerência as iniciativas do controle de qualidade e manutenção das
ferramentas para evitar falhas de funcionamento e elevado tempo gasto em reparos.
3.1.3.7.3 Excesso de Tempo de Espera:
O Tempo de Espera é uma dos principais problemas e inibidores de produtividade. Em
alguns casos as situações de espera são aceitáveis como a espera da chegada de
materiais por guindastes e ou qualquer tipo de material. Contudo é inaceitável que este
perca muito tempo esperando o início de um serviço ou preparação de uma área para
realizá-lo o seu serviço. Esse tipo de situações é causado pelo mau planejamento dos
gerenciadores do empreendimento que alocam de maneira errônea seus funcionários
deixando-os em ociosidade excessiva.
Outro problema causador do tempo excessivo é o excesso de funcionários em uma
equipe, o que pode parecer contraditório, mas é confirmado em vários estudos do Grupo
RT 252 que em obras que havia demasiados funcionários para um serviço sempre havia
68
alguns que recebiam pouca demanda e aumentavam consideravelmente o Tempo de
Espera. Novamente esse problema recai sobre o gerenciamento do canteiro, a gerência
deve estar atenta a esses tipos de serviço que estão super populosos.
E por final tem-se os Tempos de Espera em excesso quando o funcionário esta no
aguardo de instruções, ferramentas e equipamentos. Ou seja, a falta de encarregados ao
longo da jornada de trabalho pode influenciar diretamente os altos índices de Tempo de
Espera. O encarregado ou mestre de obra é fundamental para um bom andamento da
obra e para este deve ter um perfil de liderança e motivador para os outros profissionais.
Encarregados precisam sempre atentos aos pontos onde há grande ociosidade e saber
mover equipes quando percebe baixo rendimento de certos funcionários e entender
resolver os problemas de espera excessiva.
3.1.3.7.4 Excesso de Deslocamento:
O excesso de tempo gasto em deslocamento tem suas principais causas pautadas na má
logística do canteiro que não permite aos trabalhadores um livre transito forçando-os a
fazer um percurso maior. Novamente a gestão do canteiro se torna um item de suma
importância para a manutenção e melhora da produtividade.
Outro problema recorrente também e é um causador dos altos índices de Deslocamento
é o comportamento dos funcionários que na tentativa de evitar o trabalho escolha o
caminho mais demorado para ter um descanso do serviço maior. Para coibir esse tipo de
comportamento é necessária uma atenção da gerência pra criar avisos e placas para
tentar diminuir esse tipo de prática.
3.1.3.7.5 Excesso de Tempo Pessoal:
O Tempo Pessoal é um dos itens mais complicados de se controlar, pois este geralmente
consiste em pequenas paradas ao longo do dia que somando se torna uma parcela
significativa. Em algumas obras estudadas haviam paradas programadas, os índices
foram maiores devidos ao adiantamento da parada e a volta demorada.
Assim a principal solução para diminuir esse item é tentar proibir esse tipo de atitude de
antecipar a parada e saída e a demora pra inicio das atividades e volta pós parada. Outra
medida é proibição de fumar durante o turno de trabalho além de prejudicial aos não
fumantes torna um tempo considerável de certos empregados. E quanto as paradas e
intervalos durante o turno são difíceis de serem controlados e em regiões mais quentes
69
este tipo de parada pra hidratação são essenciais para um bom rendimento do
funcionário.
Planejamento Melhorias:
3.1.3.8
A próximas ações do ciclo de melhora são praticamente em conjunto pois ao mesmo
tempo que seu planeja as melhorias já ocorre a implantação das mudanças que vão
ocorrer. Após a análise de resultados e criação de um material sobre o estudo contendo
os gráficos de atividades e os por horários. Esta base de materiais será fundamental para
o planejamento das ações de melhoria e efetividade destas mudanças.
O primeiro passo para esse planejamento é fazer as ligações justamente dos dados
encontrados com os objetivos traçados para o Activity Analysis e também ver ações que
estão sendo tomadas em curso a coleta de dados. São aquelas pequenas ações que são
percebidas pelos observadores e passadas de imediato aos responsáveis pela obra. Esse
tipo de ação tem impactos menores, mas já são um começo do planejamento.
Encontrar na base de dados os pontos críticos e os gargalos de cada equipe e verificar
quais ações são as inibidoras de produtividade. Verificar quais atividades podem estar
gerando este comportamento. Fazer uma listagem específica de cada possível atividade
que esteja atrasando os índices de produtividade. E também listar todas as soluções para
os problemas que foram identificados. Organizar de maneira coerente todas essas
soluções tentando criar de maneira lógica um planejamento para que sejam aplicados
nas obras. E também criar um plano de contingência, ou seja, alternativas para esta
solução.
3.1.3.9
Implantação das Melhorias:
A maior dificuldade para implantar o plano de melhoria é a resistências das pessoas,
mudar o comportamento e pensamentos é parte mais complicado do processo mas que
deve ser superado com bastante diálogos entre as gerencias e trabalhadores de base.
As principais ações que devem ser tomadas nessa etapa são:
I.
Comprometimento do todos os níveis gerencias da empresa.
I.
O estudo de todos os itens e ações implantadas
II.
Planejamento de horários e dimensionamento do trabalho a ser realizados
70
III.
Custos envolvidos para completar o ciclo do processo
IV.
Interface com os Recursos Humano da empresa atreves de palestras explicativas,
cursos, treinamentos e suporte para as pessoas durante o treinamento.
V.
Criação de documentos oficiais, como atas e relatórios descrevendo todas as
etapas do ciclo para e pontuando acertos e erros do processo para usar de base
para o retro fit de projeto.
71
4 Análise de dados
Como mostrado no capítulo anterior foi mostrado que o Modelo Activity Analysis traz
um processo cíclico de melhora continua de sua produtividade dos serviços estudados.
Essa melhora de produtividade recai sobre o aumento do item Trabalho Direto, também
visto no método Estratificado. Este trabalho traz como objetivo principal entender se de
fato há uma relação entre o Trabalho Direto e produtividade é se realmente o aumento
desta atividade dentro da jornada de trabalho vai refletir em uma melhora de
produtividade final do serviço realizado. A Figura 4.1 traz uma ilustração desse
questionamento. Lembrando que a RUP é o indicador de produtividade estudado e será
a representação de produtividade para as análises seguintes, e que os percentuais de
atividades estão divididos pelos itens preconizados no modelo Activity Analysis.
Figura 4-1 - Representação do gráfico do Activity Analysis mostrando o questionamento se a %
Trabalho Direto aumentar como a RUP irá se comportar.( Fonte: o Autor)
Nesta etapa será feita uma análise de dados coletados em 23 obras brasileiras entre os
anos de 2010 e 2012. Os dados serão tratados de acordo com o método da estratificação
previamente descrito no capitulo 2. Serão consideradas nas análises, apresentadas ao
longo deste capítulo, quatro grupos de dados: i) RUP serviço; ii) RUP global; iii) RUP
cumulativa; iv) % Hh.
72
4.1 RUP cumulativa e RUP serviço
Inicia-se essa comparação analisando os valores de RUP serviço e RUP cumulativa e
tentando entender se há alguma relação entre estas variáveis. No conceito do modelo
estratificação a RUP serviço representa a parcela da RUP global voltada diretamente
para o Serviço (equivalente ao Trabalho Direto do Activity Analyis). Então seguindo a
tendência que a RUP serviço pode representar um empenho maior da mão de obra
observada. Pode-se tentar enxergar uma relação no aumento da RUP serviço e um
aumento da RUP cumulativa. Através de testes matemáticos e estatísticos irá verificar se
há uma associação entre essas duas variáveis. E também verificar se há alguma função
que possa explicar essa associação e prever resultados. A Figura 4.2 traz de maneira
ilustrativa o confronto entre essas variáveis.
Figura 4-2 - Representação do gráfico do confronto de variáveis RUP de Serviço e RUP
Cumulativa. ( Fonte: o Autor)
Na Figura 4.3 tem-se um gráfico de dispersão XY. Com a RUP cumulativa sendo a
variável independente localizada no eixo X e a RUP de serviço a variável dependendo
no eixo Y.
73
RUP Serviço x RUP cum
40,0
35,0
RUP Serviço
30,0
25,0
20,0
15,0
RUP Serviço RUP cum
10,0
5,0
0,0
0,0
50,0
100,0
150,0
RUP cum
Figura 4-3 - Representação do gráfico de RUP de Serviço x RUP cumulativa( Fonte: o Autor)
O gráfico não tem uma tendência muito clara, assim não há uma expectativa de relação
entre as suas variáveis. Contudo avaliar uma correlação de variáveis não deve ser
pautada somente em avaliação visual. Pode-se ver que o gráfico não torna possível a
visualização de nenhum tipo função como uma afim, quadrada ou exponencial.
Segue-se para um método criado pelo matemático Karl Pearson que é o Coeficiente de
Correlação Linear que surge para medir a Força de Associação. Para isso deve-se medir
esse coeficiente representado pela letra r. Nessa fórmula calcula-se a intensidade de
correlação entre variáveis, ele é a razão entre a covariância das duas variáveis pelo
produto das variâncias individuais de cada variável. Quando a correlação é perfeita
entre as variáveis essa equação gera o valor unitário positivo ou negativo. Significa que
quando encontrado o valor 1 ou -1 a associação das variáveis é perfeita. E quando a
relação é totalmente nula, ou seja, é uma dissociação perfeita o valor é igual a 0. Assim
o valor de r fica compreendido entre -1 e 1. Segue a fórmula para achar a o Coeficiente
de Correlação de Pearson.
74
No caso estudado têm-se os seguintes dados na tabela 4.1:
RUP cum
40,5
41,9
47,3
47,5
47,7
49,0
49,5
54,6
62,0
66,2
66,8
69,8
70,2
75,4
75,9
76,0
77,3
84,5
88,9
90,4
91,5
96,2
109,5
RUP Serviço
14,6
10,5
18,4
13,7
19,6
24,7
23,0
12,8
23,2
20,3
14,7
15,3
25,0
16,7
16,2
12,4
13,6
17,8
14,0
34,1
15,4
14,4
15,4
Tabela 4-1 - Dados de RUP de Serviço e RUP cumulativa( Fonte: o Autor)
Quando aplicados na equação acima se encontra um valor de r = 0.028 um valor
próximo de 0 positivamente, mostrando que há uma correlação ínfima positiva.
Pra finalizar essa técnica, precisa-se testar se r tem significância estatística se a
dispersão dos pontos é aleatória ou uma relação estatisticamente significativa.
Será um usado o Teste t para a verificação do valor de r, será um teste unilateral, pois se
deve considera se r é menor que valor nulo.
Para a hipótese nula temo H0: r = 0 e a hipótese alternativa Ha : r > 0
A estatística é o teste t- Estudent para um α = 5% (para apenas um lado da curva)
O α = 5% significa que se aceita um erro de até 5% é um valor padrão pra Indústria da
Construção Civil e também foi usado em outros métodos como, por exemplo, a
determinação do tamanho de amostra no Activity Analysis.
75
Pela fórmula de t tem-se:
n = Número de amostras coletadas = 23
r = 0,028
Tem-se um t = 0,954
Para o α = 0,05 temos tcrítico5% = 1,714
t < tcrítico5%
Chega-se então a seguinte conclusão. O t encontrado é muito pequeno e bastante
próximo de 0.
Assim deve-se aceitar a hipótese nula H0: r = 0. E mostrar que
estaticamente essas duas variáveis não têm correlação significativa e impossível de
tentar estimar ou relacionar valores de RUP de serviço com RUP cumulativa.
Em seguimento as análises estatísticas serão usadas o programa Computacional Minitab
para fazer uma análise de variância entre essas duas variáveis e tentar enxergar algum
resultado. A imagem da Figura 4.4 mostra resultados encontrados usando o programa
computacional estatístico Minitab.
Figura 4-4 - Tela retirada do programa computacional Minitab. ( Fonte: o Autor)
76
Os resultados são idênticos aos cálculos encontrdos mostrando que o modelo esta bem
ajustado e de acordo com o programa computacional.
Parte-se então para tentativa de uma regressão linear para gerar uma reta que tentará
explicar a melhor relação entre esses pontos. Será encontrado um valor de R² que trará a
porcentagem de eficiência essa função tem para explicar o fenômeno estudado. Ou seja,
quanto mais próximo de 1 o R² for mais precisa a função que explica a relação de
variáveis. Para ser feita a regressão deve-se estar atento a seguintes pontos.
I.
Valores de y são independentes: Não se podem ter valores de y duplicados, no
caso mostrado acima isso não ocorre
II.
A variância de erros é igual para cada valor de x: Ou seja, os valores de x não
podem ser iguais para vários valores de y.
III.
A reta só não pode ser estendida além de pontos medidos: Não se podem prever
valores que não entraram no espaço amostral, não se têm evidências para
estender a curva além dos dados coletados.
IV.
O bom ajuste não garante a previsibilidade: Há sempre valores dispares que
dificilmente são explicados
Para a melhor visualização dessa relação na Figura 4.5 segue a reta extraída do
programa Microsoft Excel que representa regressão linear dessas variáveis.
RUP Serviço x RUP cum
40,0
35,0
RUP Serviço
30,0
25,0
RUP Serviço RUP cum
20,0
15,0
Linear (RUP Serviço
RUP cum)
10,0
5,0
0,0
0,0
50,0
100,0
150,0
y = 0,0078x + 17,106
R² = 0,0008
RUP cum
Figura 4-5 - Representação do gráfico de RUP de Serviço x RUP cumulativa com regressão linear.
( Fonte: o Autor)
77
Nota-se que a reta melhor encontrada para esse é pouco representativa e o R² é de
apenas 0,0008 mostrando que esta função explica apenas 0,08% do fenômeno e como
já havia-se concluído há relação entre estas variáveis é insignificante. O erro padrão
encontrado é de 5,66 que é alto pra ordem de grandeza das amostras.
4.2 Percentual de Hh de Serviço e RUP Global
Em seguida serão analisados mais dois tipos de dados e vai ser feita uma verificação
estatística e matemática de que ocorreu ou não uma correlação de variáveis. No segundo
caso será analisado a RUP global calculada diariamente e a porcentagem de serviço, que
consiste na razão da RUP de serviço pela RUP global referente a cada amostra O
resultado esperado é de quanto maior a porcentagem de Hh de Serviço melhor será a
produtividade. Como a produtividade é representada pela RUP total, é sabido que
quanto menor o valor de módulo da RUP, maior a produtividade diária. Usando esses
valores será mostrado o mesmo método de correlação de Pearson para verificar a
correlação desses dados. Segue a Figura 39 representando graficamente a comparação a
ser feita.
Figura 4-6 - Representação da comparação das variáveis: % Serviço x RUP Global. ( Fonte: o
Autor)
Segue lista de dados na tabela 4.2:
78
RUP Global
40,6
41,9
47,3
47,6
47,7
49,0
48,2
54,7
62,0
66,2
66,8
70,2
70,2
75,5
75,8
76,0
78,0
84,5
89,0
90,4
91,6
96,2
109,5
Hh Serviço
36%
25%
39%
29%
41%
50%
48%
23%
37%
31%
22%
22%
36%
22%
21%
16%
17%
21%
16%
38%
17%
15%
14%
Tabela 4-2 - Dados de RUP Global e % de Hh de Serviço. ( Fonte: o Autor)
Para os dados apresentados seguindo a mesma linha de cálculo já mostrada acima.
Os valores encontrados:
r = 0,671
E o valor de t para o teste de hipótese:
t = 0,00033
Esses resultados mostram que a relação de é bem mais forte que no primeiro caso
devido ao valor de R, contudo estaticamente pelo valor do teste t- estudent. Essa relação
é irrelevante em termos estatísticos. No teste de hipótese aceita-se a hipótese nula,
tomando que t é muito próximo de zero.
O comportamento esperado é que a relação das variáveis fosse negativa devido a
teoricamente o comportamento inversamente proporcional. Contudo isso não ocorre
quando se calcula o coeficiente de Correlação.
79
Nessas variáveis será forçada a criação das funções através da regressão linear. No
primeiro gráfico da Figura 4.7 segue uma reta formada pela dispersão dos dados.
RUP Global% Hh de Servico
60%
% Hh de Servico
50%
40%
30%
Série1
20%
Linear (Série1)
10%
y = -0,0038x + 0,5361
R² = 0,4502
0%
0,0
50,0
100,0
150,0
RUP Global
Figura 4-7 - Representação do gráfico de % Hh de Serviço x RUP Global cumulativa com regressão
linear. ( Fonte: o Autor)
Nota-se que a reta formada é pouco representativa e o gráfico possuem muitas
aproximações. O valor de R² é de 0,45 (45%), que pode ser bem maior que exemplo
passado, porém em termos estatísticos não pode ser tomado com uma função
representativa desse processo. Foi visto que em trabalhos de Thomas, este considerou o
coeficiente de determinação muito maior para serem considerados efetivos e desprezou
todos os coeficientes com menos de 80% de efetividade.
Em uma nova abordagem desses dados, é mostrada a tentativa de demonstrar o efeito a
seguir com uma curva exponencial na Figura 4.8.
80
RUP Global x % Hh de Servico
% Hh de Servico
60%
50%
40%
30%
Série1
20%
Exponencial (Série1)
10%
y = 0,7003e -0,015x
R² = 0,5204
0%
0,0
50,0
100,0
150,0
RUP Global
Figura 4-8 - Representação do gráfico de % Hh de Serviço x RUP Global com regressão linear
exponencial. ( Fonte: o Autor)
Atente-se que o coeficiente de determinação desta representação aumentou baste
chegando a 52% . Este valor pode paracer significativo para tentar demonstrar esse tipo
de comportamento mas como foi dito anteriormente, em artigos que estudaram esse tipo
de comportamento os valores de R² = 0,52 não trazem uma significância estatistica.
Outro problema desse tipo representação é que no exemplo acima existem vários
valores de y para um valor de x bastante semelhante, esse tipo de situção modifica
bastante a curva puxando esses valores
e tornado a a representação gráfica do
fenômeno pouco representativa.
4.3 Percentual de Hh de Serviço e RUP de Serviço
Uma próxima análise será encontrar uma relação entre a RUP de serviço que consiste na
parcela da RUP global e a percentagem de Hh de serviço. Esta relação é de suma
importância para o entendimento de como a produtividade irá reagir de acordo com o
aumento da parcela de serviço. Os estudos de Activity Analysis trazem como principal
beneficio a manutenção do item Trabalho Direto com uma expectativa de melhora na
produtividade. Na Figura 4.9 ilustra-se a comparação a ser feita entre as duas variáveis.
81
Figura 4-9 - Representação da comparação de variáveis: % Hh de Serviço x RUP de
Serviço( Fonte: o Autor)
Serão usadas as mesmas análises acima primeiramente com o fator de correlação de
Pearson e testando a sua validade através do teste de hipótese. Depois o método de
regressão linear e verificar o coeficiente de determinação entre as duas variáveis. A
tabela 4.3 mostra os dados estudados.
RUP de serviço Hh de serviço
14,6
36%
10,5
25%
18,4
39%
13,7
29%
19,6
41%
24,7
50%
23,0
48%
12,8
23%
23,2
37%
20,3
31%
14,7
22%
15,3
22%
25,0
36%
16,7
22%
16,2
21%
12,4
16%
13,6
17%
17,8
21%
14,0
16%
34,1
38%
15,4
17%
14,4
15%
15,4
14%
Tabela 4-3 - Dados de RUP de Serviço e % de Hh de Serviço( Fonte: o Autor)
82
Para o método de Pearson encontra-se o seguinte valore de r:
r = - 0,7185
Tem-se que o valor de r é bem próximo a 1 mostrando um forte correlação entre as
variáveis contudo para saber se esta correlação tem uma validade estatística tem-se que
aplicar um teste de hipótese t-student e verificar o qual forte estatisticamente é esse
valor
n = Número de amostras coletadas = 23
r = - 0,7185
Tem-se um t = 0,0001
Para o α = 0,05 temos tcrítico5% = 1,714
t < tcrítico5%
Tem-se o que o valor de t é infímo e muito perto de zero tornando essa relação estatisca
muito fraca e assim pode-se aceitar a hipótese nula: H0 r = 0.
Nessas variáveis será novamente forçada a criação das funções através da regressão
linear. No primeiro gráfico na Figura 4.10 segue uma reta formada pela dispersão dos
dados.
% Hh em serviço x RUP de serviço
40,0
35,0
RUP de serviço
30,0
y = 33,767x + 8,2978
R² = 0,4662
25,0
20,0
Série1
15,0
Linear (Série1)
10,0
5,0
0,0
0%
10%
20%
30%
40%
50%
60%
% Hh em serviço
Figura 4-10 - Representação gráfica de % Hh de Serviço x RUP Global com regressão linear.
( Fonte: o Autor)
83
Nota-se que a dispersão dos pontos é pouco representativa, tornando difícil a
visualização de uma reta, mas forçando a criação da função que melhor descreve esse
fenômeno encontrando um valor de R² = 0,4662 mostrando que essa função pode em
representar o fenômeno em 46,62% de confiança. Esse valor está muito abaixo para se
ter um resultado com estatisticamente confiável. Ao forçar a criar uma função
exponencial para tentar enxergar o fenômeno de uma maneira diferente tem-se o
seguinte resultado ilustrado na Figura 4.11.
% Hh em serviço x RUP de serviço
40,0
35,0
RUP de serviço
30,0
y = 10,405e1,7684x
R² = 0,4884
25,0
20,0
Série1
15,0
Exponencial (Série1)
10,0
5,0
0,0
0%
10%
20%
30%
40%
50%
60%
% Hh em serviço
Figura 4-11 - Representação gráfica de % Hh de Serviço x RUP Global com regressão linear
exponencial ( Fonte: o Autor)
Novamente encontra-se o R² com uma ligeira melhora em relação aocaso linear contudo
sem confiabilidade estatistica necessária pra explicar fenômenos relacionando essas
variáveis.
Analisando o coportamento esperado pode-se observar que os dados encontrados não
condizem com esperado. Os autores dos Guias do Activity Analysis afirmam que o
aumento percentul de Trabalho Direto deve responsável pea melhora da Produtividade.
Contudo se percebe nos gráficos das Figuras 4.10 e 4.11 tem-se o comportamento
contrário, os melhores percentuais de serviço não sinalizam uma melhor produtividade (
RUP Global menor).
84
4.4 Conclusão da análise
Apresentados essa situação, fica bastante difícil a representação funcional do
comportamento da produtividade usando apenas o percentual de serviço. A relação entre
essas variáveis é muito fraca estatisticamente e as regressões lineares não possuem
muita representatividade. Assim fica extremamente complicado afirmar se realmente o
aumento de fator Trabalho Direto trazido Activity Analyis ou Serviço Direto do modelo
de estratificação influenciarão na melhora da produtividade.
É necessário outras considerar outras variáveis para que as relações sejam mais
representativas e as funções possam explicar os fenômenos de maneira mais completa.
Para tornar uma relação entre variáveis estatisticamente significativas para esse tipo de
fenômeno seria necessário regressões com o coeficiente de determinação com valores
maiores de 0,8 garantindo uma confiabilidade 80% na predição dos resultados.
Outro fato contundente foi o comportamento do gráfico % Hh de Serviço x RUP Global
onde as taxas altas de % Hh de Serviço não refletiam o um aumento de produtividade
mas sim uma piora nos resultados.
85
5 Considerações finais
A medição de da produtividade é uma tarefa de extrema dificuldade. Devido à
considerável quantidade de fatores que afetam os trabalhadores observados durante a
mensuração. Como foi mostrado nos capítulos anteriores existem duas principais
abordagens da gestão de produtividade.
Na primeira abordagem considera-se apenas os dados de entrada que no caso do
trabalho é a mão de obra. Para representar esse modelo tem-se o trabalho de Gouett,
Caldas, Goodrum, e Haas que criaram o modelo Activity Analysis. O modelo traz uma
série de ações para serem tomadas até se chegar à melhora dos números de
produtividade. Nesse processo os autores acreditam que somente o aumento do
percentual de Trabalho Direto causará uma melhora de produtividade. Essa afirmação
traz um série de contestações, pois não considera os fatores que afetam o trabalhador
durante a jornada. Também não são considerados a complexidade do serviço e nem a
habilidade do operário pra executá-lo. Ou seja, considera-se apenas o tempo que o
operário exerce esforço no serviço, sem quantificar o produto final. Tornando-se uma
tarefa difícil afirmar que o aumento do tempo em serviço acarretará em um aumento de
produtividade.
Outro empecilho para tal afirmação é que o modelo de entrada não quantifica o
empenho do funcionário do serviço, muitas vezes o empenho do operário não reflete em
seu serviço. Isso pode ser explicado por diversas razões como falta de motivação, o
clima desfavorável e até mesmo a má gestão do canteiro.
Os resultados do capitulo 4 destacam que esse tipo de situação e a complexidade de
exercer essa relação. E em vários amostras estudadas os resultados mostraram
comportamentos bem diferentes do esperado. No Item 4.3 é explícito onde os maiores
percentuais de Hh em serviço não refletem os melhores índices de produtividade. O
resultado se mostra até surpreendente, pois os menores percentuais geraram a melhor
produtividade. Contudo a relação dos dados não foi forte o suficiente para criar uma
função ou alguma relação pertinente entre elas. A partir das análises feitas no capítulo
pode-se perceber que os resultados apresentaram números randômicos e quase nenhuma
previsibilidade.
86
Assim refuta-se tais afirmações feitas no Activity Analysis, pois seu método
desconsiderou um série de fatores que são indispensáveis para a mensuração de
produtividade.
O Activity Analysis tem seus méritos, pois ele traz uma maneira bem prática para
identificar os inibidores de produtividade o que é de suma importância para um
empreendimento. Contudo a falta de análise do fator de saída e de fatores externos que
influenciam a jornada de trabalho de um operário impedem que essa relação de
percentual de tempo em serviço direto e melhora de produtividade se concretize.
O autor do projeto acredita que a maneira mais eficaz de se trabalhar com produtividade
e através dos modelos de entrada e de saída, pois estes trazem uma análise completa dos
fatores envolvidos no processo de construção. Destaca-se o Modelo dos Fatores criado
por Thomas em 1987, que veio revolucionar a avaliação da produtividade na
construção. A sua aplicação permite uma análise mais vasta e detalhada de todas as
possíveis variáveis passiveis de afetar o processo construtivo, considerando-as em três
níveis distintos. A sua aplicação é mais procurada nos dias de hoje por diversas razões:
I.
Custo: A simples aplicação faz com que o custo de implantação seja mais baixo,
o que o torna bastante atrativo para o setor;
II.
Simplicidade: Como foi mencionado, este método apresenta um processo de
coleta de dados bastante acessível, tornando-o mais fácil de usar dado que não
implica ações de formação intensiva e dispendiosa de operários;
III.
Rapidez: O processo de coleta dos dados é considerado rápido, permitindo tomar
medidas corretivas durante as atividades de construção;
IV.
Comparativo: A base de dados que é obtida com utilização do modelo dos
fatores, permite uma comparação dos rendimentos apresentados em diferentes
obras e tarefas, mostrando de uma maneira mais clara o aumento ou diminuição
da produtividade;
V.
Precisão: Todo o processo de coleta de dados, processamento e análise dos
mesmos oferece ao gestor da obra uma representação bem real do que se passa
no canteiro.
O modelo dos fatores diferencia-se dos restantes modelos de medição de produtividade,
por estar direcionado para a produtividade ao nível de equipe de trabalho. Ainda conta
87
com o efeito da curva de aprendizagem e incluindo ainda vários fatores que podem
afetar a produtividade.
É entendido também que a análise feita a cerca dos dados encontrados, é uma análise de
cunho experiemtal e pode ser realizada de diferentes maneiras e em diversos tipos de
obra. Para se fazer um afirmação categórica sobra o assunto necessita-se de um maior
número de amostras em diferentes tipos de serviço para que se posso ter uma visão mais
ampla do processo.
Com base em todos os estudos feitos pode-se afirmar que o modelo de medição de
produtividade que avalia as entradas e saídas é bem mais completa, pois ele traz uma
gama maior de variáveis que torna as relações muito mais fortes, tornando-se assim o
modelo se melhor aplica para a manutenção da produtividade.
88
Referências Bibliográficas
ARAÚJO, L.O.C. Método para a previsão e controle da produtividade da mão-de-obra
na execução de fôrmas, armação, concretagem e alvenaria. São Paulo, 2000. 385p.
Dissertação (Mestrado) – Escola Politécnica, Universidade de São Paulo.
ARAÚJO, L., CARMEN, H., CARVALHO, M. A New Modelo f Productivity
Management as an aid to Deadline Management. Proceedings of the 19th International
CIB World Building Congress, 2013, Brisbane: Queensland University of Technology.
CARRARO, F. Produtividade da mão-de-obra no serviço de alvenaria. São Paulo,
dissertação de mestrado - Universidade de São Paulo, 1998. 226p
CARVALHO, M., GALHARDO, L., OTÁVIO, L., TELLES, C. Driving Predictable
Business Outcomes in a Dynamic Global Market. CII 2011 Annual Conference
Proceedings, Julho de 2011, CII, Chicago.
GOUETT, C., CALDAS, H., GOODRUM, M., HAAS, T. Activity Analysis for DirectWork Rate Improvement in Construction, Journal of Construction Engineering and
Management, Dezembro de 2011, Páginas 1117 a 1124, ASCE, U.S.A.
GOUETT, C., CALDAS, H., GOODRUM, M., HAAS, T. Activity Analysis Guide,
2010.
GUEVARA, M., THOMAS, R., GUSTENHOVEN, T. Improving Productivity Estimates
by Work sampling.Journal of Construction Engineering and Management, Junho de
1984, páginas 178 a 188, ASCE,U.S.A.
McKINSEY GLOBAL INSTITUTE. Produtividade: a chave do desenvolvimento
acelerado no Brasil, São Paulo, McKinsey Brasil, mar. 1998. (Relatório)
MALONEY, F., HANDA, K., THOMAS, R., MALCOM, R., GARY, R., STEVE, R.
Modeling Construction Labor Productivity. Journal of Construction Engineering and
Management, Dezembro de 1990, Páginas 705 a 726, ASCE, U.S.A.
89
MARTINS, Pedro Manuel Lourenço, Avaliação da produtividade na construção no
Brasil - O Modelo de Estratificação. Dissertação de Mestrado, Portugal, 2013.
Universidade do Porto
SOUZA, Ubiraci Espinelli Lemes de. Como Medir a Produtividade da mão-de-obra na
Construção Civil, 2006.
THOMAS, R. Labor Productivity and Work sampling: The Bottom Line. Journal of
Construction Engineering and Management, Setembro de 1991, Páginas 423 a 444,
ASCE, U.S.A.
THOMAS, H. R., GUEVARA, J. M., & Gustenhoven, C. T. (1984). Improving
productivity estimates by work sampling. Journal of Construction Engineering and
Management, 110(2), 178-188.
YIAKOUMIS, I., THOMAS, R. Factor Model of Construction Productivity. Journal of
Construction Engineering and Management, Dezembro de 1987, Páginas 623 a 639,
ASCE, U.S.A.
90