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