Investigacin colombiana

MEASURING THE IMPACT OF LABOR SKILLS ON PRODUCTIVITY IN PROCESSES: CASE OF A MANUFACTURING COMPANY ABSTRACT: This article is the product of research into two main questions: How to measure the impact of labor skills on productivity in processes? And are worker skills determining factors for performance at the operational level in the workplace? The study was done at a textile manufacturing sector company in the Antioquia region in 2010. The research design employed was an explicative correlational field study. By means of heuristics using multiple regression statistical theory, a model was created that explains the relationship between productivity and the worker in a spinning process with different explicative variables such as: Their technological skill, experience and hours of training, among others. The conclusion is that the evaluated technological skill, as defined in the skills model developed in the United States by the Secretary of Labor Commission (1992), influences changes in productivity among the workers through its technological reparation component. The contribution of experience to productivity is also evident, particularly during the early years of work. This in turn is coherent with the concepts of the theory of quality rotation and multi-functionality at the workplace, concepts in accordance with participative theories of administration. The proposed association model explains the 63% variability in productivity (adjusted). The way in which organizational and behavioral factors influence performance variability remains to be determined. KEYwORDS: technological skill, performance in processes, learning at the workplace. MESURE DE LIMPACT DES COMPTENCES DE TRAVAIL DANS LA PRODUCTIVIT DES PROCESSUS : LE CAS DUNE ENTREPRISE MANUFACTURIRE RSUM : Cet article est le rsultat dune recherche rpondant deux questions fondamentales. Comment mesurer limpact des comptences de travail dans la productivit des processus ? Les niveaux de comptences des travailleurs sont-ils dterminants pour le rendement sur le poste de travail au niveau oprationnel ? Ltude a t ralise dans une entrepri se du secteur de manufacture textile de la rgion dAntioquia en 2010. Le modle de recherche utilis est ltude de terrain de type corrlationnel explicatif. Par la mthode heuristique utilisant la thorie statistique pour la rgression multiple, un modle a t construit expliquant la relation, dans un processus de filature, de la productivit du travailleur avec diffrentes variables explicatives telles que : la comptence technologique, lexprience, les heures de formation, entre autres. En conclusion, la comptence technologique value, dfinie dans le modle de comptences dvelopp aux tats-Unis par la Secretary Commission of labors (1992), a une incidence sur la variation de la productivit parmi les travailleurs, travers la composante rparation de la technologie. Lapport de lexprience pour la productivit est galement vident, fondamentale ment dans les premires annes de travail, en cohrence avec les concepts de la thorie de qualit, rotation des postes de travail et polyvalence, concepts des thories participatives dadministration. Le modle dassociation propos explique 63 % (ajust) de la variabilit de la productivit. Il reste tablir comment les facteurs organisationnels et de comportement de lindividu ont une incidence sur la variabilit du rendement MOTS-CLEFS: comptence technologique, rendement des processus, apprentissage dans le poste de travail. MEDIO DO IMPACTO DAS COMPETNCIAS LABORAIS NA PRODUTIVIDADE DOS PROCESSOS: O CASO DE UMA EMPRESA MANUFATORA RESUMO: O presente artigo produto de uma pesquisa que responde a dois assuntos bsicos: como medir o impacto das competncias laborais na produtividade dos processos? E so determinantes os nveis de competncias dos trabalhadores para o rendimento no posto de trabalho a nvel operativo? O estudo se realizou em uma empresa do setor manufator txtil da regio de Antioquia (Colmbia) no ano de 2010. O desenho de pesquisa utilizado foi de campo tipo correlacional explicativo. Por meio de heursticas nas quais se utilizou a teoria estatstica para a regresso mltipla, construiu-se um modelo que explica a relao em um processo de fiana, da produtividade do trabalhador com diferentes variveis explicativas como: sua competncia tecnolgica, a experincia, horas de capacitao, entre outras. Conclui-se que a competncia tecnolgica avaliada, tal como se define no modelo de competncias desenvolvido nos Estados Unidos pela Secretary Commission of labors (1992) incide na variao da produtividade entre os trabalhadores por meio de seu componente reparao da tecnologia. Tambm se evidencia a contribuio da experincia para a produtividade, fundamentalmente nos primeiros anos de trabalho, coerente com os conceitos da teoria de qualidade rotao dos postos de trabalho e polivalncia, conceitos prprios das teorias participativas da administrao. O modelo de associao proposto explica 63% (ajustado) da variabilidade da produtividade. Fica por esclarecer como incidem fatores organizacionais e de comportamento do indivduo na variabilidade do rendimento. PALAVRAS-CHAVE: competncia tecnolgica, rendimento dos processos, aprendizagem no posto de trabalho.

INNOVAR

re v is ta

journal

Medicin del impacto de las competencias laborales en la productividad de los procesos: caso de una empresa manufacturera
Uriel Pineda-Zapata
Ingeniero Industrial. Especialista en Alta Gerencia con nfasis en Calidad. Magster en Ingeniera Administrativa. Profesor tiempo completo del Instituto Tecnolgico Metropolitano. Facultad de ingeniera, Universidad de Antioquia, Medelln, Colombia. Correo electrnico: [email protected]

Giovanni Prez-Ortega

Ingeniero Administrador. Especialista en Docencia Universitaria. Magster en Desarrollo Organizacional y Gerencial- PhD (c) en Gerencia. Profesor asociado en dedicacin exclusiva, Universidad Nacional de Colombia, Sede Medelln, Departamento de Ingeniera de la Organizacin. Correo electrnico: [email protected]

Martn Arango-Serna

Ingeniero Industrial. Doctor Ingeniero Industrial. Profesor titular en dedicacin exclusiva, Universidad Nacional de Colombia, Sede Medelln, Departamento de Ingeniera de la Organizacin. Correo electrnico: [email protected]

RESUMEN: El propsito del artculo es contribuir al conocimiento sobre la medicin de la relacin entre variables como la productividad, y aquellas relacionadas con el conocimiento y dominio del puesto de trabajo, para el caso de una empresa del sector manufacturero textil del departamento de Antioquia. El estudio corresponde a un diseo de investigacin correlacional explicativo, en el cual, a travs de heursticas derivadas de la teora estadstica para la regresin mltiple, se construy un modelo que explica la relacin en un proceso de hilatura, de la productividad del trabajador con diferentes variables explicativas, tales como: su competencia tecnolgica, la experiencia, las horas de capacitacin, entre otras. El modelo ajustado de asociacin explica el 63% de la variabilidad de la productividad, y se concluye que la competencia tecnolgica evaluada (tal como se define en el modelo de competencias desarrollado en Estados Unidos por la Secretary of Labors Commission en 1992) incide en la variacin de la productividad entre los trabajadores, a travs de su componente Reparacin de la Tecnologa. Igual, se evidencia el aporte de la experiencia a la productividad, fundamentalmente en los primeros aos de trabajo. Queda por establecerse cmo inciden factores organizacionales y de comportamiento del individuo en la variabilidad del rendimiento. PALABRAS CLAVE: competencia tecnolgica, rendimiento de los procesos, aprendizaje en el puesto de trabajo.

CLASIFICACIN jEL: L67. RECIBIDO: agosto

Introduccin
La relacin explicativa entre las competencias laborales y la productividad an es un campo de conocimiento en infancia (ver figura 1), debido a la dificultad para vincular percepciones, actitudes, entre otros indicadores blandos, caracterizados por elementos subjetivos, con aspectos propios del desempeo productivo en la rutina diaria de trabajo. Esta situacin motiv
37

de 2011 ACEPTADO: mayo de 2012.

Uriel Pineda, Carrera 80 No. 65-223 Bloque M8 oficina 212, Medelln, Colombia.
CORRESPONDENCIA: CITACIN:

Pineda-Zapata, U., Prez-Ortega, G. & Arango-Serna, M. (2012). Medicin del impacto de las competencias laborales en la productividad de los procesos: caso de una empresa manufacturera. Innovar, 22(45), 37-50

Investigacin colombiana
la bsqueda de un mtodo para medir la relacin existente entre las competencias desplegadas por trabajadores de nivel operativo y la productividad del proceso desempeado. Se eligi un grupo de trabajadores del proceso de hilatura, de una gran empresa textil en la regin de Antioquia. El levantamiento de datos se hizo entre julio y noviembre de 2010. En la figura 1 se muestra cmo la educacin (actividad de aprendizaje, coaching, horas de capacitacin), entre otros elementos inductores de competencias, contribuye a desarrollar las competencias laborales. En este sentido, la forma de medir la relacin de estas competencias con la productividad no ha sido objeto de estudios anteriores, aunque algunos estudios se han preocupado por la relacin entre las actividades de aprendizaje y la productividad (Soto, Valenzuela y Vergara, 2003; Ng, 2005; Ariga et al., 2010). Sin embargo, a partir de la dcada de 1990, el aprendizaje de los empleados puede valorarse a travs de las competencias laborales, y las conductas asociadas al nivel de desempeo organizacional pueden evidenciarse en sus niveles de rendimiento y productividad (Markus, Cooper-Thomas y Allpress, 2005; Enrquez, 2007; Tharenou et al., 2007). De esta manera, se plantea la hiptesis: H1: Es posible medir la relacin de las competencias laborales con el rendimiento en el puesto de trabajo. Otras hiptesis del estudio que se derivan de las teoras de aprendizaje (Senge, 1993; Nonaka, 2000) son:
FIGURA 1. Definicin del problema.

H2: El empleado que es competente en el uso, mantenimiento y reparacin de la tecnologa tiene mejores niveles de productividad que aquellos que no tienen estas competencias en los procesos operativos que realiza, y H3: El entrenamiento mejora las competencias para el trabajo. El rendimiento por contrato fue el indicador base para medir la productividad. Un contrato es una serie de mquinas asignadas a un trabajador; el indicador de rendimiento es la relacin entre la produccin real y la esperada. En mtodos y materiales se destaca el enfoque ingenieril del estudio segn Koen (1985), al igual que los criterios y la forma como se construy el modelo correlacional-explicativo para describir la relacin entre la competencia tecnolgica, tal como se define en el modelo de competencias de la Secretary of Labors Commission on Achieving Neccesary Skills, SCANS, por sus siglas en ingls) y la productividad del proceso de hilatura por Open-End en la empresa de estudio. Esta competencia se dividi en dos categoras para facilitar su operacin: Aplicacin de la tecnologa y Sostenimiento de la tecnologa. Estas variables de competencia se dividieron a su vez en otras categoras ms bajas, que junto a otras definidas como factores propios del individuo, constituyeron las variables explicativas del modelo de regresin lineal mltiple, MRLM, utilizado. La variable respuesta, productividad, se midi de manera longitudinal, con el rendimiento de cada trabajador. Se explica,

RESULTADOS

EXPERIENCIA ACTIVIDADES PARA EL APRENDIZAJE I EDUCACIN A

1. Horas de capacitacin 2. Coaching 3. $ invertidos 4. Otras

ESTUDIOS TPICOS C: COMPETENCIAS LABORALES I:

INDUCTORES : PUNTO DE MEDICIN

A A C C Proyecto Vaco de conocimiento

P P P

P: PRODUCTIVIDAD

Fuente: elaboracin propia.

38

R E V. I N N OVA R VO L . 2 2 , N M . 4 5 , j UL I O - S E P T I E M B R E DE 2012

innovar

re v i s ta

journal

adems, cules fueron los medios usados para levantar los datos, a travs de fuentes de tipo primario y secundario e instrumentos para la observacin estructurada en la planta de produccin. Finalmente, en el procesamiento de la informacin se plantearon tres momentos: 1) la depuracin de los datos a travs de tcnicas propias del control estadstico de procesos, CEP, como el grfico de control de promedios y rangos (X-R); 2) el anlisis descriptivo de datos para identificar variables importantes para el modelo y las posibles relaciones de linealidad entre ellas que pudieran afectarlo, y 3) la estructuracin del MRLM y su naturaleza. En los resultados se evidenci que el rendimiento medido a cada trabajador presentaba alguna inestabilidad en el tiempo por la presencia de factores atpicos ajenos a su destreza: paros de mquina, calidad del material, entre otros. Esto llev a eliminar datos atpicos hasta lograr la estabilidad del proceso segn el comportamiento de las cartas de control promedios y rangos (Xp-R) para el rendimiento. En el anlisis descriptivo, se encuentra que hay relacin lineal moderada entre las variables reparacin de la tecnologa y el dominio de los procedimientos. Asimismo se hall que las dems variables explicativas de competencias tienen muy poca relacin entre s. En este anlisis no se evidenci que la variable certificacin laboral impactara en el rendimiento. Sin embargo, se detect que la experiencia alta tiene relacin directa con la variable reparacin de la tecnologa.
rev. innovar vol. 2 2, n m . 4 5, j ulio-septiembre de 2 012

En los resultados del MRLM se muestra cmo el rendimiento en el puesto de trabajo se relaciona con tres variables explicativas: la reparacin de la tecnologa, la experiencia temprana (menos de cinco aos) y la experiencia alta (10 aos o ms). En la discusin se ilustra cmo el modelo es vlido para explicar la situacin de productividad a nivel operativo. Para esto se aplicaron las pruebas de independencia, normalidad y homocedasticidad. Adems, tanto la hiptesis 1 como la hiptesis 2 se aprobaron a travs de los resultados evidenciados en el estudio. Se discute, adems, por qu la componente Aplicacin de la tecnologa de la competencia laboral utilizada no influye en el rendimiento del trabajador, pero s aquellas relacionadas con el sostenimiento de la tecnologa propias de la iniciativa del individuo. De esta manera se concluye, segn el modelo aplicado, que es importante que las empresas manufactureras orienten los programas de entrenamiento al personal operativo en actividades de sostenimiento de la tecnologa, como el mantenimiento autnomo. Esto complementa la capacitacin orientada al desarrollo de destrezas y habilidades para la operacin y el control de la mquina. El modelo explica el 63% de la variabilidad del rendimiento en el puesto de trabajo. El otro 37% es posible que obedezca a factores mltiples relacionados con la organizacin y la conducta del individuo.
39

Investigacin colombiana
El concepto de competencias y el modelo SCANS
Si bien existe una gran diversidad de modelos de competencias para el desarrollo organizacional, ellos se derivan de tres grandes fuentes: el modelo de competencias distintivas de McClelland (1973), el modelo de competencias genricas de Thornton y Byham (1982) y el modelo funcional desarrollado por Fine (1975), modelos utilizados en la actualidad. En un nivel simple, un modelo de competencias tratar de determinar la combinacin ideal de habilidades, conocimientos, actitudes y experiencia, cuya posesin permite a los empleados convertirse en trabajadores de alto rendimiento y que tienen el potencial para agregar valor a la organizacin (Gorsline, 1996). Devisch (1998) argumenta que el concepto de competencias bsicas se refiere a los medios por los cuales los empleados se ajustan a la cultura corporativa de la organizacin. Dichas competencias se consideran no transferibles y se diferencian de una organizacin a otra. Las competencias funcionales estn ligadas a los roles de trabajo y a la forma en que interactan con otras funciones. Se consideran esenciales para el rendimiento, y pueden ser tanto tcnicas como organizativas por su naturaleza. Las competencias especficas se definen como los atributos que una persona est obligada a llevar a su trabajo, a fin de garantizar un desempeo exitoso. Estas competencias pueden transferirse si una persona acepta un trabajo similar en otra organizacin, pero generalmente no se piensa en la posibilidad de que puedan ser transferibles a otros trabajos diferentes. Aunque el modelo SCANS data de principios de 1992, por su gran influencia hasta la fecha merece una mencin y descripcin especiales. La importancia de este modelo se debe a que recogi un tipo de necesidades de formacin ausente en los anteriores modelos y consideradas como crticas, as como la organizacin estructurada, de cierta forma clsica, dentro la cual presenta sus contenidos. En el contexto de este modelo se definen las variables de competencias del estudio. competencias SCANS y otros factores, propios de la trayectoria y formacin de los trabajadores.

Identificacin del tipo de estudio

Los datos se tomaron en condiciones naturales del proceso de hilados Open-End de una empresa manufacturera del sector textil, por lo que no puede hablarse de un experimento puro, sino ms bien de un cuasi experimento. Para medir la variable respuesta productividad se tom el indicador eficiencia por contrato. Un contrato es una serie de mquinas asignadas a un trabajador. La eficiencia es un indicador que relaciona la produccin real con la esperada. De esta manera, no incide la referencia de hilo que se trabaje, y en este sentido es posible hacer comparaciones de rendimientos entre diferentes trabajadores. Relacionando este indicador con la productividad, es evidente que comparando dos trabajadores que producen referencias iguales, es ms productivo el de mayor rendimiento, dado que el nivel de subproducto que se evidencia en el proceso tiene como origen principal la calidad de la materia prima y no la mano de obra, dado el alto nivel de automatizacin del proceso de hilado por Open-End. Los datos de rendimiento se tomaron tal como arroj el proceso de manera natural, sin crear condiciones de experimentacin. De esta manera se hizo un estudio transversal de tipo correlacional explicativo, que pretende aclarar la relacin entre variables como el rendimiento y aquellas relacionadas con el conocimiento y dominio del puesto de trabajo, atributos que son el reflejo de las experiencias adquiridas en los puestos operativos de la empresa y de la capacitacin y el entrenamiento que recibe el personal de la empresa elegida para el estudio.

Seleccin de la muestra
Para la seleccin del proceso de estudio se tomaron cuatro criterios de control de calidad: grado de automatizacin, nivel de estabilidad del proceso, experticia de los trabajadores y continuidad en la produccin, lo que posibilit un mayor control sobre los factores perturbadores de produccin propios del sistema. Una vez consultado el grupo coordinador del proyecto, se acord que el proceso hilados Open-End cumpla estas condiciones, y que este era determinante en la calidad de la tela. La planta contaba con 24 mquinas conocidas como rotores y 21 trabajadores directos para los tres turnos, de los cuales se tomaron 17 trabajadores para el

Mtodos y materiales
Se utiliz el mtodo ingenieril mediante la elaboracin de un modelo heurstico de asociacin lineal. Con este modelo, a partir de las condiciones de produccin propias de la empresa y una muestra representativa de los trabajadores directos, se llega a explicar la productividad en el proceso operativo de hilatura por Open-End, a travs de las competencias tecnolgicas enmarcadas en el modelo de

40

rev. innovar vol . 2 2 , n m . 4 5 , j ulio - septiembre de 2012

innovar
anlisis de sus competencias tecnolgicas. Igualmente se descartaron los paros de mquina, dados por diferentes situaciones.

re v i s ta

journal

Variables de estudio y medicin

Con base en el concepto de competencias, se definieron las distintas variables que ingresaron en el modelo de regresin lineal, y la relacin entre ellas. Al final de la seccin se explican las variables de la categora Factores de los individuos. Competencia tecnolgica. Se refiere al aprendizaje acerca de las tecnologas emergentes y actuales (SCANS, 2000). Esta competencia es una de las cinco de tipo laboral presentes en el modelo. En el anexo 1 se ilustra la estructura de competencias de este modelo en sus dos dimensiones principales: competencias laborales y habilidades fundamentales. Aplicacin de la tecnologa. Capacidad para entender la intencin general y los procedimientos adecuados para ajustar y operar mquinas, incluyendo computadores y sus sistemas de programacin (SCANS, 2000). Esta dimensin la constituyen dos variables en este estudio: el dominio del proceso y el control del mismo. Dominio de los procesos. Se refiere a la implementacin de ideas, programas, sistemas o productos: conduce o realiza procedimientos de trabajo y actividades de acuerdo con sus propias ideas o informacin suministrada a travs de instrucciones u orientaciones para propsitos de instalacin, modificacin, preparacin, entrega, construccin, integracin, terminacin o complemento de sistemas, estructuras o productos (SCANS, 2000). En este estudio se valor esta variable, teniendo en cuenta dos rasgos: el dominio de los procedimientos operativos y el uso de la maquinaria y de sus sistemas.
FIGURA 2. Operacionalizacin de las variables de estudio.

Medicin del proceso/producto. Se refiere al control de mquinas y procesos: uso de mecanismos de control o actividades fsicas directas para operar mquinas o procesos (SCANS, 2000). En este estudio se valor con los indicadores relacionados con el control del proceso. Sostenimiento de la tecnologa. Previene, identifica o resuelve problemas en mquinas, computadores y otras tecnologas. Mantenimiento de la tecnologa, MR. Incluye identificar, entender y desempear la rutina de mantenimiento y servicio preventivo de la tecnologa (SCANS, 2000). En este estudio corresponde al mantenimiento rutinario de la tecnologa asociada al proceso. Reparacin de la tecnologa, MC. Detecta serios problemas, genera soluciones factibles para corregir desviaciones y reconoce cundo conseguir ayuda adicional (SCANS, 2000). A continuacin se explica cmo se realiz la medicin de los factores del individuo. Experiencia. En el modelo, esta variable se trat como dos variables indicadoras (Acua, 2011) para disminuir la variabilidad de la misma en el modelo, en caso de haber tomado los aos como experiencia: EXP1 y EXP2. EXP2 corresponde a la experiencia menor o igual a cinco aos, y EXP1 a la experiencia superior a diez aos. De esta manera, para un trabajador con experiencia quince aos, el dato para el modelo de la variable EXP1 ser 1 y 0 para la variable EXP2; para un trabajador con experiencia de ocho aos, el modelo tomar el valor 0 en ambas variables. Horas de capacitacin anual, HCA. Se registr el promedio de horas anuales en las cuales el trabajador recibi capacitacin orientada a desarrollar habilidades en el proceso de estudio, durante los ltimos diez aos.

Variable explicativa

Competencia Tecn.

Factores del individuo

Aplicacin tecnolgica

Sostenimiento

EXP

HCA

EC

Uso Maq.
Fuente: elaboracin propia.

Dom. Proced.

Control Proc

Sostenimiento

Sostenimiento

rev. innovar vol. 2 2, n m . 4 5, j ulio-septiembre de 2 012

41

Investigacin colombiana
Estado de certificacin laboral por el SENA, EC. Esta caracterstica se trat como otra variable indicadora. Tom el valor 1 para el trabajador certificado por el SENA en el proceso de estudio, y 0 para el que no estuviera certificado. Los formularios estaban elaborados para valorar el nivel de competencias tecnolgicas de los trabajadores, y de otros factores que pudieran influir en el desempeo, tales como: la experiencia, EXP, las horas de capacitacin promedio en el ao, HCA, y el estado de certificacin para el trabajo, EC. A partir del modelo SCANS, utilizado para caracterizar las habilidades esenciales en el puesto de trabajo, se conceptualiza el modo de valoracin de la competencia tecnolgica y otros factores del individuo, para explicar el rendimiento en el puesto de trabajo (variable explicativa), como se ilustra en la figura 2. Validacin de los instrumentos. Para la validez del formulario utilizado en la observacin estructurada de los trabajadores, se utilizaron los criterios de claridad de las preguntas y relevancia de las mismas, de acuerdo con el objetivo de la primera observacin. Se comprobaron estos criterios, mediante prueba piloto y revisin del cuestionario por parte de personas expertas en el proceso, como los supervisores y el coordinador tcnico de la planta. Fuentes de informacin. Se utilizaron fuentes de informacin primaria, entrevistas con los trabajadores y observacin estructurada con formulario. Para ello, se entrenaron durante un mes tres estudiantes de Ingeniera Industrial de ltimos semestres, preparados para observar detalladamente el desempeo de cada trabajador en la competencia de estudio. Algunos datos se obtuvieron de fuentes secundarias, provenientes del rea de Gestin humana, como el caso de las horas de capacitacin, la experiencia, entre otros factores. Se dise tambin otro formulario para la entrevista con los supervisores, con la idea de poder comprender mejor el funcionamiento de la planta de produccin y algunos aspectos organizacionales para administrar la produccin.

Niveles de desempeo segn SCANS Aplicacin de la tecnologa. La conceptualizacin de esta competencia se divide en cinco niveles, de menor a mayor grado de comprensin y despliegue de la misma:
Nivel 5. Conceptualiza y disea tecnologa de alto nivel. Anticipa a la necesidad de nueva y mejorada tecnologa para suplir las necesidades. Nivel 4. Modifica o hace una recomendacin para modificar herramientas o mquinas para mejorar eficiencia y desempeo. Nivel 3. Ajusta y calibra mquinas para mejorar resultados, detectar o eliminar errores.

Nivel 2. Usa mltiples herramientas o mquinas para realizar ms de una tarea. Usa diferentes tecnologas comunes, por ejemplo un computador, correo de voz y correo electrnico. Nivel 1. Usa una herramienta especfica o mquina para una tarea especfica. El nivel 3 se asocia con el control del proceso.

Sostenimiento de la tecnologa Nivel 5. Anticipa problemas futuros, y desarrolla e implementa planes para prevenirlos. Determina mayores aplicaciones para equipos o proveedores. Nivel 4. Diagnstica problemas y recomienda soluciones. Detecta defectos en partes. Nivel 3. Realiza reparaciones en secuencias correctas. Inspecciona y mantiene sus componentes mejores. Nivel 2. Desempea programas de mantenimiento preventivo sobre la tecnologa y corrige problemas bsicos. Nivel 1. Opera el equipo apropiadamente, y lo monitorea para detectar problemas. Identifica signos obvios de mal funcionamiento y notifica a la persona de contacto apropiada.

Diseo del modelo

Dado que el tema de estudio corresponde a una situacin incierta donde no es claro cmo medir la relacin entre los factores asociados al desempeo humano y su efecto en la productividad, el abordaje del problema se hace con el enfoque ingenieril. Como lo define Koen (1985), es una estrategia para producir el mejor cambio, en una situacin dada de la que se tiene un conocimiento incompleto, con los recursos disponibles. De esta manera, se pretende con el modelo hacer contribuciones paulatinas y eficientes, que no llegan a situaciones ptimas, pero que s mejoren la comprensin actual del problema, ante un entorno con limitantes de recursos y de acceso a todas las caractersticas que lo explican
rev. innovar vol . 2 2 , n m . 4 5 , j ulio - septiembre de 2012

Diseo de instrumentos para la valoracin del desempeo

Se utiliz la tcnica de observacin estructurada en planta a travs del uso de formularios, tanto para trabajadores operadores de mquina, como para los supervisores.
42

innovar
Se complementa la caracterizacin del mtodo con la introduccin del concepto de heursticos (o heursticas), que son aquellas reglas o conceptos que forman el estado del arte de una rama de la ingeniera, y cuya fundamentacin reside exclusivamente en el xito que han tenido cuando se han empleado con anterioridad. Afirma Koen que una de esas heursticas aconseja aplicar el conocimiento cientfico, siempre que est disponible. Desde esta perspectiva, considerando el extenso conjunto de dimensiones que permitiran explicar con exactitud el desempeo productivo del trabajador, las cuales, por su misma extensin y naturaleza multifactica no es posible observar en totalidad, puesto que comprenden fenmenos: racionales y no racionales, cuantitativos y cualitativos, controlables y no controlables, econmicos y no econmicos, culturales, psicolgicos, emocionales, individuales y colectivos, entre otros segn Sutermeister (tomado de Sumanth, D., pp. 307-309), y teniendo presente que la misma definicin y la medicin del aporte al desempeo de dichas dimensiones an estn por descubrir (Spector y Davidsen, 2006; Mayer, 2003), se ha avalado el diseo de un modelo heurstico que considere los factores ms relevantes, producto de la revisin literaria, de informacin histrica, de otra monitoreada en la empresa de estudio, y de la experiencia, creatividad e imaginacin de los creadores del proyecto, incorporando adems el uso de anlisis de tipo estadstico. El modelo propone un punto de partida para una mejor compresin de los factores propios de la empresa, del mismo individuo y de los vnculos entre estos, que pueden tener, en el mbito de la empresa de estudio, cierta influencia en el desempeo del trabajador, en trminos del nivel de productividad logrado. As, de manera general, el modelo heurstico puede expresarse como un modelo de regresin mltiple, teniendo como variable dependiente el nivel de rendimiento del trabajador, y entre las independientes, otras asociadas a los factores propios del modelo SCANS, as como a factores propios del individuo, como su experiencia, horas de capacitacin recibidas y nivel de aprendizaje en el puesto. En trminos numricos y de manera general, el modelo heurstico puede expresarse como en la ecuacin (1): Y = o + 1X1 + 2X2 ++ nXn + (1) donde Y es el nivel de rendimiento medio atribuido a un determinado trabajador en el perodo comprendido entre el 09 de agosto y el 18 de septiembre de 2010. Se eligi el indicador de rendimiento, en vez del indicador de la mera productividad fsica (kilos de hilo por hora), debido a la
rev. innovar vol. 2 2, n m . 4 5, j ulio-septiembre de 2 012

re v i s ta

journal

dificultad de que se trabajara por parte de los trabajadores de la muestra el mismo ttulo de hilo durante el periodo de estudio. o corresponde a la constante del modelo en el evento hipottico en que todas las variables regresoras tomen el valor de cero, y cada i (i=1,, n) representa el cambio esperado en la variable respuesta rendimiento, por cada cambio unitario en la variable explicativa Xi; es un trmino del error aleatorio. Los modelos de regresin lineal mltiple se usan con frecuencia como funciones de aproximacin. Es decir, se desconoce la verdadera relacin funcional entre Y y X1, X2,, Xn, pero en ciertos rangos de las variables independientes, el modelo de regresin lineal es una aproximacin adecuada (Montgomery y Runger, 2004).

Levantamiento y procesamiento de datos

El levantamiento de datos se llev a cabo entre el 19 de julio y el 08 de septiembre de 2010 en los tres turnos, con la colaboracin del personal de supervisin de la planta de hilados Open-End, y de los analistas preparados para el proyecto. El procesamiento de datos se hizo en tres momentos: en primer lugar se realiz la depuracin de los datos a travs de eliminacin de datos atpicos y el uso de grficos de control de procesos, promedios y rangos (X-R) en este caso; en segunda instancia, un anlisis descriptivo con tcnicas como el anlisis de correlacin y anlisis cruzado de datos, con el fin de identificar relaciones importantes entre variables y obtener elementos de juicio en direccin de las hiptesis de estudio, y el tercer momento cuando se corre el modelo de regresin, usando software especializado. En este modelo se utiliz la tcnica que incorpora todas las variables explicativas desde el inicio, y se va descartando en cada corrida la variable con menor poder de significancia alfa.

Sistema de calificacin
Como ejemplo, se explicar la forma de obtencin de la calificacin de una de las variables de la competencia Aplicacin de la tecnologa. Cada una de las variables de esta competencia: dominio de los procedimientos, uso de la mquina y control procesos, se calific en los 17 trabajadores que desempean el cargo de operador rotores en el proceso de hilatura. Utilizando la tcnica de observacin estructurada y la escala diferencial de Osgood, se procedi a la evaluacin de estas variables. Las primeras tres evaluaciones se tomaron como prueba piloto, y sirvieron
43

Investigacin colombiana
de base para las correcciones sugeridas por el director del proyecto, el asesor del mismo y el coordinador tcnico de la planta de hilados. De la misma manera, se evalu la competencia Sostenimiento de la tecnologa en sus variables: mantenimiento de la tecnologa y reparacin de la tecnologa. Alrededor de tres meses se tard la evaluacin de los trabajadores, lapso de tiempo un poco extenso para 17 evaluaciones, dado el alto grado de observacin del desempeo de los trabajadores desplegado por los analistas, con el fin de evidenciar las prcticas relacionadas con cada variable de la competencia. En cada variable de competencia se calificaron cuatro aspectos relacionados con: la comprensin, la aplicacin de la competencia, la capacidad de enseanza y la capacidad de mejora. Para ello, se utiliz la escala de Osgood de 1 a 7, significando el valor 7 totalmente de acuerdo y 1 totalmente en desacuerdo. Para cada trabajador, la suma de los puntos obtenidos en los aspectos calificados por variable se llevaba a un indicador de suficiencia de la competencia Iij: Iij = sumatoria de puntos/49 I = 1,2. J = 1,,m I: es el nmero de dimensiones de la competencia tecnolgica, en este caso dos. j: es el nmero de categoras de la variable i. En total entraron nueve variables explicativas al modelo: cinco valoradas con los indicadores de suficiencia y cuatro correspondientes a los factores propios del individuo.

Resultados
Primero haba que garantizar que los datos correspondientes a la variable respuesta en este caso el rendimiento del trabajador provinieran de condiciones aproximadamente normales de produccin. Para lograrlo, se utiliz la teora de control estadstico de procesos, CEP, en lo que se refiere al anlisis de variabilidad del proceso Open-End por medio de cartas de control; de esta manera se eliminaron los datos atpicos debido a causas asignables no provenientes de los operarios. Adems, se desarrollaron grficos de control de promedios y rangos (Xp-R), donde Xp es el rendimiento con el tamao de muestra n igual al nmero de mquinas por contrato. En la mayora de los grficos se tomaron alrededor de 28 datos de rendimiento por cada trabajador, una vez eliminados los datos atpicos. En la figura 3 se presenta el estado de control estadstico del contrato 1 en el turno de la maana, en cuanto al rendimiento del proceso de hilatura Open-End. Ntese el estado de estabilidad de la eficiencia promedio, para un intervalo de variacin entre 3 desviaciones tpicas. Puede afirmarse, consecuente con este comportamiento, que el promedio de la eficiencia de las mquinas 5, 6 y 7 (contrato 1) fue de 94,36% entre las semanas 33 y 38 de 2010, valor que constituye el dato de entrada al modelo. En este periodo de tiempo se evalu a los trabajadores en su competencia tecnolgica. La segunda fase consisti en el anlisis descriptivo de los datos, a travs de anlisis de correlacin entre variables y anlisis cruzado de variables. Esta fase se realiz con el fin de identificar posibles relaciones importantes entre variables en el modelo y explicar los resultados asociados a la productividad. La ltima fase consisti en el desarrollo del

FIGURA 3. Grfico de control (x-R) para la eficiencia bajo control.

Grfico X-bar variables para eficiencia /da-turno Grfico rangos para variacin eficiencia promedio

Eficiencia promedio/da

Da
Fuente: elaboracin propia

Rango

Da

44

R E V. I N N OVA R VO L . 2 2 , N M . 4 5 , j UL I O - S E P T I E M B R E DE 2012

innovar
modelo, como se indica ms adelante en la seccin Resultados del modelo.

re v i s ta

journal

Anlisis descriptivo
El anlisis de las correlaciones entre mltiples variables a un nivel de significancia de 0,05 permite ver la relacin entre variables del estudio en la tabla 1. Los valores de p (tercer nivel de cada celda) menores que 0,05, indican correlaciones significativamente diferentes de cero para los coeficientes i.
TABLA 1. Correlaciones entre las variables de la competencia Aplicacin de la tecnologa y las horas de capacitacin promedio.
DP DP 0,5537 UM (15) 0,0322 0,3386 CP (15) 0,2170 -0,1630 HC (15) 0,5617
Fuente: elaboracin propia.

De la tabla 1, estadsticamente, solo se rescata la asociacin positiva de manera significativa, entre las competencias uso de la mquina, UM, y el dominio de procedimientos, DP. Tambin se destaca el hecho de no hallarse relacin significativa entre las horas de capacitacin promedio por ao, HCA, de los trabajadores, y las variables de la competencia Aplicacin de la tecnologa. En el anlisis de correlacin entre todas las variables de competencia tecnolgica, como se indica en la tabla 2, se destaca la asociacin significativa entre la reparacin de la tecnologa y el dominio de los procedimientos. El ndice de correlacin es superior a 0,74, con un nivel de significancia de 0,0016. Al correlacionar las variables de la competencia Sostenimiento de la tecnologa con la experiencia del trabajador, se encontr alguna relacin entre la variable reparacin de la tecnologa desde el puesto de trabajo, MC, y la experiencia alta, EXP1. Tambin hay asociacin significativa y positiva entre las horas de capacitacin y el nivel de experiencia de menos de cinco aos, EXP2, teniendo una relacin significativa, pero en sentido inverso, las variables capacitacin, HCA, y la experiencia mayor de cinco aos, EXP1. En la tabla 3 se observa que el mayor porcentaje de los empleados de la muestra corresponde a personal certificado por el SENA en la operacin de hilados por rotores (60%). Adicionalmente, se advierte que, en el grupo de no certificados, el 50% tiene calificacin alta en la competencia

UM 0,5537 (15) 0,0322

CP 0,3386 (15) 0,2170 0,4935 (15) 0,0615

HCA -0,1630 (15) 0,5617 0,2802 (15) 0,3118 -0,0471 (15) 0,8676

0,4935 (15) 0,0615 0,2802 (15) 0,3118 -0,0471 (15) 0,8676

TABLA 2. Correlaciones entre las variables de competencia.

EF EF 0,1721 MR (15) 0,5396 0,4962 MC (15) 0,0599 0,4341 UP (15) 0,1059 0,2057 UM (15) 0,4620 0,1831 CP
Fuente: elaboracin propia.

MR 0,1721 (15) 0,5396

MC 0,4962 (15) 0,0599 0,4468 (15) 0,0950

UP 0,4341 (15) 0,1059 0,5261 (15) 0,0440 0,7392 (15) 0,0016

UM 0,2057 (15) 0,4620 0,7703 (15) 0,0008 0,4145 (15) 0,1245 0,5537 (15) 0,0322

CP 0,1831 (15) 0,5137 0,6056 (15) 0,0167 0,1538 (15) 0,5842 0,3386 (15) 0,2170 0,4935 (15) 0,0615

0,4468 (15) 0,0950 0,5261 (15) 0,0440 0,7703 (15) 0,0008 0,6056 (15) 0,0167 0,7392 (15) 0,0016 0,4145 (15) 0,1245 0,1538 (15) 0,5842

0,5537 (15) 0,0322 0,3386 (15) 0,2170 0,4935 (15) 0,0615

(15) 0,5137

rev. innovar vol. 2 2, n m . 4 5, j ulio-septiembre de 2 012

45

Investigacin colombiana
TABLA 3. Anlisis cruzado entre las variables reparacin de la tecnologa y estado de certificacin laboral.
REPARACIN DE LA TECNOLOGA, MC Estado de certificacin No S Total por dominio del MCB
Fuente: elaboracin propia.

Alto 3 20,00% 1 6,67% 4 26,67%

Bajo 1 6,67% 1 6,67% 2 13,33%

Medio 2 13,33% 7 46,67% 9 60,00%

Total estado de certificacin por el SENA 6 40,00% 9 60,00% 15 100,00%

reparacin de la tecnologa, lo que significa cierto manejo de la competencia sostenimiento de la tecnologa, equivalente a un nivel 3 4 de la escala SCANS. Del anlisis cruzado de las variables experiencia y estado de certificacin por el SENA, se nota que de los seis trabajadores no certificados por el SENA, cinco tienen alta experiencia. Tambin se evidencia que de los trabajadores no certificados, cinco dominan la reparacin de la tecnologa, lo que indica que la experiencia alta, EXP1, es un elemento ligado de alguna forma a la variable reparacin de la tecnologa. Tambin se observa que la mayora de trabajadores con experiencia alta y media estn certificados por el SENA (67%).
FIGURA 4. Asociacin eficiencia vs. el mantenimiento correctivo del proceso.
Grfico del modelo ajustado EF = 90,125 + 4,63417 * MC

Con el propsito de aclarar, en parte, las relaciones trascendentes para el modelo general que explique la eficiencia del trabajador en un proceso operativo, como es el caso de estudio, se realizan los anlisis de correlacin simples, entre la variable rendimiento y cada una de las variables de la competencia tecnolgica. En la figura 4 se observa una relacin moderada directa entre el rendimiento y las variables Reparacin de la tecnologa, con un coeficiente de correlacin r = 0,50, y el dominio de procedimientos, con un coeficiente de asociacin lineal r = 0,43. Las dems variables de competencia presentan relaciones de asociacin lineal simple dbiles con el rendimiento, y no se ve que puedan explicar el rendimiento del trabajador en el caso de estudio. Puede inferirse que en el caso del proceso Open-End, el desarrollo de las competencias relacionadas con la aplicacin de la tecnologa del proceso no estn asociadas, de manera individual, al rendimiento del operario a un nivel de significancia del 10%. En este caso de estudio, todos los operarios pasaron por un nivel de formacin bsico en el proceso por la Universidad de la Tela, y a pesar de que algunos tuvieron ms capacitacin que otros en los ltimos diez aos, esta capacitacin adicional no es determinante en el rendimiento en el puesto de trabajo.

EF

Resultados del modelo

MC
Coeficiente de correlacin = 0,4962. Fuente: elaboracin propia.

En la tabla 4 se indican los resultados de la corrida de los datos. El modelo presenta un coeficiente R2 ajustado de 63% y un nivel de significancia de 0,0027. Incorpora tres

TABLA 4. Anlisis estadstico de la correlacin mltiple.

Variable dependiente: Rendimiento Parmetro CONSTANTE MC EX2 EX1
2 2

Error estndar 1,47534 1,79155 0,445601 0,358645

Estadstico T 59,5115 3,69236 4,0947 1,52163 Valor-P 0,0000 0,0035 0,0018 0,1563

Estimacin 87,7999 6,61502 1,8246 0,545723

P = 0,0027, R = 0,71, R (ajustado) = 0,63. Error estndar de las estimaciones = 0,4398. Error medio absoluto = 0,305387. Estadstico Durbin-Watson = 1,71023. Fuente: elaboracin propia.

46

R E V. I N N OVA R VO L . 2 2 , N M . 4 5 , j UL I O - S E P T I E M B R E DE 2012

INNOVAR
variables significativas: la reparacin de la tecnologa, MC, y ambas experiencias, EXP1 y EXP2. La ecuacin que resulta de este modelo, puede expresarse como: REN = 87,7999 + 6,61502*MC + 1,8246*EXP2 + 0,545723*EXP1 (2)

re v i s ta

journal

de 1,710, a un nivel de significancia de 0,01. Se infiere que no hubo alguna perturbacin en el sistema de trabajo que pudiera hacer presencia en el desempeo de un trabajador para luego afectar tambin a otro, reflejndose esto en los resultados de rendimiento. K corresponde al nmero de variables regresoras o explicativas.

El valor p = 0,0027 indica que el modelo ajustado explica el 63% de la variabilidad de la eficiencia a un 99% de confianza. El coeficiente de determinacin R2 ajustado del 63% considera el nmero de variables que se tuvieron en cuenta para la corrida del modelo. Entre ms variables explicativas haya, el R2 ajustado tender a ser menor que el R2 tpico.

Normalidad
Los valores estandarizados del sesgo y de la curtosis estn dentro del rango esperado de -2 a +2 para datos provenientes de una distribucin normal. El valor del sesgo estndar fue de 0,0925, y el valor de la curtosis estndar, de 0,5168. Lo anterior puede corroborarse con el grfico de normalidad de los residuos, en la figura 5. Los errores provenientes del modelo obedecen a un comportamiento normal.

Discusin
Inicialmente se presentan las tcnicas de validacin del modelo, y luego se hacen algunas consideraciones acerca de los resultados.

Homocedasticidad
Una vez estudentizados los residuos, puede verse en la figura 6 que los rendimientos estimados con el modelo se ubican aleatoriamente alrededor de la recta horizontal que sale del eje de los residuos estudentizados, en el punto cero. No se ven patrones, por lo que puede confirmarse la existencia de una varianza constante. El rango experiencia entre cinco y diez aos no impact en el modelo, aunque en los ensayos previos se tuvo en cuenta este rango en la definicin de la variable indicadora. Por ello, finalmente se definieron dos variables indicadoras excluyendo este rango. Pueden ser varios los factores que hicieron que este rango de edad no aportara al modelo,
FIGURA 6. Grfico de residuos estudentizados.
Grfico de residuos

Validacin del modelo

Para la validacin del modelo se utilizaron las pruebas de independencia, de normalidad de los residuos de los errores y la prueba de homocedasticidad para el comportamiento de las varianzas.

Independencia
Utilizando las tablas del estadstico d Durbin-Watson (Gujarati, 1997) con los datos del estudio: n = 15, K = 3 y = 0,01, se encuentra que el valor lmite superior para la posible existencia de autocorrelacin es 1,464 inferior al calculado
FIGURA 5. Grfico de normalidad de los residuos.
Grfico de probabilidad normal

Residuo estudentizado

Porcentaje

Residuos
Fuente: elaboracin propia. Fuente: elaboracin propia.

Predicho EF

RE V. I N N OVA R VOL . 2 2, N M . 4 5, j U L IO-S EPTIE M B R E DE 2 012

47

Investigacin colombiana
por ejemplo: solo haban dos datos en este intervalo de experiencia en la muestra; puede ser una etapa de transicin del trabajador donde la curva de experiencia sufre un estancamiento. Esta situacin puede controlarse mejor en estudios posteriores en la seleccin de la muestra. A pesar de la relacin entre la reparacin de la tecnologa y el dominio de procedimientos (el coeficiente de asociacin fue 0,50), puede considerarse dejar este modelo sin excluir ninguna de las variables como el que mejor ajusta a la situacin de estudio, dado que la relacin lineal entre ambas es moderada, y por otro lado, aunque la variable EXP1 no tenga significancia estadstica al 5% (ya que p = 0,15), la experiencia de ms de diez aos es un factor que aporta al rendimiento, as sea de manera sutil. Si bien no todas las variables de la competencia tecnolgica son determinantes en el modelo, sus resultados mostraron que el Sostenimiento de la tecnologa s impacta en el rendimiento de una manera directa. As, se aprueba la hiptesis 2 y se responde a la otra pregunta de investigacin. Una comparacin de los resultados con el nivel de suficiencia propuesto por SCANS arroja que en los resultados de la competencia Aplicacin de la tecnologa se evidencia que todos los trabajadores de la muestra se encuentran, mnimo, en el nivel 2 del modelo SCANS, es decir, conocen los procedimientos y operan varias mquinas de hilados Open-End de manera suficiente. De hecho, en el anlisis de correlaciones se ve alguna relacin significativa entre las variables dominio de procedimientos, DP, y uso de la maquinaria, UM. Igualmente, aquellos que tuvieron una calificacin superior al 80% en control proceso, CP, podra afirmarse que llegan al nivel 3 del modelo SCANS. Esto ocurri en el 60% de los casos. A pesar del reentrenamiento que realiza la compaa cada ao durante 48 horas, y la suficiencia mostrada por muchos de sus trabajadores en la competencia Aplicacin de la tecnologa, esta no fue relevante para explicar la variacin de la productividad en el proceso. Este resultado se debe al hecho de que no todos los puestos ofrecen la misma motivacin o los mismos retos para que el trabajador despliegue todo su potencial, teniendo en cuenta que la organizacin del trabajo es el factor ms importante para el aprendizaje en el puesto de trabajo (Tynjl, 2008). Existen dos tendencias claramente identificadas: el sistema Ford, donde las tareas estn fraccionadas al mximo, y los procedimientos, establecidos; tambin existe una tendencia ms flexible para la organizacin del sistema productivo, con trabajos que constituyen de alguna manera retos para sus empleados, donde adems hay cierta autonoma, rotacin en los puestos de trabajo, las
48

operaciones se realizan por equipos autnomos, y los trabajadores son estimulados a aplicar su experticia y conocimiento en el desarrollo de las tareas. Esta ltima tendencia favorece ms la productividad, de acuerdo con Cequea y Nez Bottini (2011), quienes concluyen que los factores organizacionales inciden de manera directa sobre los factores individuales y grupales, mientras que estos inciden directamente en la productividad; dicho de otra manera, que los factores organizacionales inciden en forma indirecta sobre la productividad, mediante una accin mediadora, a travs de los factores individuales y grupales. Teniendo en cuenta lo anterior, se deben fomentar la polivalencia y el enriquecimiento del puesto de trabajo como una alternativa para aprovechar el potencial de los trabajadores, propio de sus habilidades personales. Estos requerimientos de formacin, valorados en toda su importancia slo recientemente y recogidos por el modelo de la SCANS (2000), consisten en competencias o caractersticas relacionadas con nuevos aprendizajes, adaptacin, innovacin o creatividad, atributos personales como en particular el control emocional, la autonoma y personalidad, la diversidad cultural. La atencin a estos aspectos se realiza proponiendo, de acuerdo con la terminologa del propio modelo, competencias o habilidades fundamentales (Fundamental skills), y creando, en el caso de estas ltimas, un grupo denominado Cualidades personales. En opinin de Kearns (2001), las causas del inters actual por estos temas son, de un lado, la aparicin de una economa basada en el conocimiento y la aceleracin del ritmo de las transformaciones, luego la necesidad de un aprendizaje a lo largo de la vida y de mantener vigente la empleabilidad, y de otro, los nuevos cambios en los puestos de trabajo y la adopcin del concepto de alto desempeo en el puesto de trabajo, sin duda vinculado a las nuevas prcticas de gestin del personal basado en competencias laborales. Muchos modelos de competencia son estticos, mecanicistas, y tratan de prescribir una lista fija de competencias deseables. Por lo general, no toman en cuenta la necesidad de flexibilidad y apertura al cambio, y subestiman la importancia de las competencias que no sean propias de la tarea (Garavan y McGuire, 2001). En la medida en que en el lugar de trabajo se creen las posibilidades, los individuos participan e interactan en sus lugares de trabajo, lo que es fundamental para su aprendizaje. Es posible estimular el desarrollo de estas habilidades personales desde la organizacin. Nonaka y Konno (1998) llaman al espacio para el aprendizaje con el trmino japons
rev. innovar vol . 2 2 , n m . 4 5 , j ulio - septiembre de 2012

innovar
FIGURA 7. Formas diferentes de espacios de aprendizaje, ba.

re v i s ta

journal

Conocimiento explcito

Conocimiento tcito

Conocimiento explcito

Fuente: Nonaka y Konno (1998).

Conocimiento tcito

ba, que significa compartir relaciones emergentes; distinguen diferentes espacios para el aprendizaje (ver figura 7). Hay un espacio para la socializacin, donde las personas pueden compartir cara a cara sus experiencias y modelos mentales. Interactuar en los espacios de aprendizaje da lugar a la externalizacin, esto es, a hacer explcito el conocimiento tcito por medio de la discusin y la escritura. Visto el trabajo desde esta estructura ba, puede verse que algunos lugares de trabajo y redes proveen diferentes formas de ba, mientras otros puestos no lo hacen. Finalmente, la tabulacin cruzada de datos (tabla 3), arroj en el grupo de no certificados que el 50% tiene calificacin alta en la competencia Reparacin de la tecnologa, MC, lo que significa cierto manejo de la competencia Sostenimiento de la tecnologa, equivalente a un nivel 3 4 de la escala SCANS.

proceso manufacturero y su nivel de competencia tecnolgica. El modelo hallado tiene un nivel de significancia de p = 0,0027, es decir, tiene una confiabilidad del 99%, y sus variables explican el 63% de la variacin de la productividad en un proceso operativo. Para el caso de estudio, caracterizado por la automatizacin del proceso, la sola competencia Aplicacin de la tecnologa no garantiza diferenciacin en la productividad de un trabajador a otro. La competencia reparacin de la tecnologa determina la variacin de la productividad entre los trabajadores, en concordancias con algunos conceptos de la teora de calidad como el autocontrol. Por tanto, la competencia tecnolgica, en su componente Sostenimiento de la tecnologa, afecta a la productividad; as la hiptesis 2 no puede rechazarse. Dadas las pruebas de normalidad, independencia y homocedasticidad a favor del modelo, puede concluirse que este es vlido para explicar la variabilidad de la productividad de los trabajadores de Open-End, a partir de las variables explicativas: mantenimiento correctivo bsico y experiencia.

Conclusiones
Se ha definido un procedimiento heurstico basado en la teora estadstica de los MRLM para explicar la relacin entre el rendimiento de los trabajadores en un

rev. innovar vol. 2 2, n m . 4 5, j ulio-septiembre de 2 012

49

Investigacin colombiana
El entrenamiento actual que reciben los trabajadores, orientado a la aplicacin de la tecnologa, no incidi en la variacin de la productividad entre los trabajadores, rechazando de esta forma la hiptesis 3; de hecho, la variable horas de capacitacin no fue representativa en el modelo. Por tanto, este tipo de capacitacin debe complementarse con actividades para el mantenimiento desde el puesto de trabajo (mantenimiento autnomo). La metodologa utilizada es una aproximacin a la comprensin del problema en la industria manufacturera, sin pretender ser una solucin ptima. No se controlaron todos los factores que afectan el problema, por lo que no se trabaj con experimentacin pura.
McClelland, D. (1973). Testing for competence rather than for intelligence. American Psychologist, 28, 1-14. Montgomery, D., & Runger, G. (2004). Probabilidad y Estadstica aplicadas a la Ingeniera. (2da. ed., pp. 483-537). Mxico: Editorial Limusa-Wiley. Ng, Y. C. (2005). Training determinants and productivity impact of training in China: a case of Shanghai. Economics of Education Review, 24(3), 275-295. Nonaka, I. (2000).La Empresa Creadora de Conocimiento. En Gestin del Conocimiento. Harvard Business Review. Bilbao: Ediciones Deusto. Nonaka, I., & Konno, N. (1998). The concept of ba. Building a foundation for Knowledge creation. California Management Review, 40 (3), 40-54. SCANS (2000). Workplace Essential Skills: Resources related to the SCANS Competencies and Foundation Skills. Iowa: ACT, Inc. 556 pp. Senge, P. (1993). La Quinta Disciplina. Barcelona: Editorial Juan Granica. Soto, E., Valenzuela, P., & Vergara, H. (2003). Evaluacin del impacto de la capacitacin en la productividad. Santiago de Chile: Sofofa; Sence, Fundes. Spector, M., & Davidsen, P. (2006). How can organizational learning be modeled and measured? Evaluation and program planning, 29, 63-69. Sumanth, D. (1990). Ingeniera y Administracin de la productividad (pp. 307-309). McGraw-Hill. Tharenou, P., Saks, A., & Moore, C. (2007). A review and critique of research on training and organizational-level outcomes. Human Resource Management Review, 17, 251-273. Thornton, G. C. Ill., & Byham, W. C. (1982). Assessment centers and managerial performance. New York: Academic Press. Tynjl, P. (2008). Perspectives into learning at the workplace. Educational Research Review, 3, 130-154.

Referencias bibliogrficas
Acua, E. (2011). Anlisis de Regresin. Departamento de Matemticas. Universidad de Puerto Rico Recinto Universitario de Mayagez, pp.93. Ariga et al. (2010). Organization adjustments, job training and productivity: Evidence from Japanese Automobile Maker. ISER Discussion Paper, (784). Disponible en SSRN: http://ssrn.com/abstract=1641024. Cequea, M. y Nez Bottini, M. (enero-marzo, 2011). Factores humanos y su influencia en la productividad. Revista Venezolana de Gerencia, 16(53), 116-137. Universidad del Zulia, Maracaibo, Venezuela Devisch, M. (1998). The Kioto people management model. Total Quality Management, 9 (4-5), 62-65. Enrquez, A. (2007). La significacin en la cultura: concepto base para el aprendizaje organizacional. Universitas Psychologica, 6(1),155162. Bogot, Colombia. Fine, S. A., Holt, A., & Hutchinson, M. (1975). Functional Job Analysis: An Annotated Bibliography. Methods for Manpower Analysis, 10. The W. E. Upjohn Institute for Employment Research, Kalamazoo, Michigan. Garavan, T., & McGuire, D. (2001). Competencies & Workplace Learning: some reflections on the rhetoric & the reality. Journal of Workplace Learning, 13(4), 144-164. Gorsline, K. (1996). A competency profile for human resources, no more shoemakers children. Human Resource Management, 35(1), 5366. Gujarati, D. (1997). Econometra (3a. ed., pp. 412-416). Mxico: McGraw-Hill. Kearns, P. (2001). Generic Skills for the New Economy. Australia: NCVER. Koen, B. V. (1985). El mtodo de ingeniera. University of Austin, Texas. Ivn Ramrez, Martha Gmez, Arnaldo Cadavid Ros (Trads.). Editorial Universidad de Valle, 2000. Markus, L., Cooper-Thomas, H., & Allpress, K. (2005). Confounded by Competencies? An Evaluation of the Evolution and Use of Competency Models. New Zealand Journal of Psychology, 34 (2), 117-126. Mayer, J. P. (2003). Are the Public Health Workforce Competencies Predictive of Essential Service Performance? A test at a Large Metropolitan Local Health Department. Public Health Management Practice, 9.

ANEXO 1. Estructura fundamental del modelo de competencias

COMPETENCIAS LABORALES (NIVEL I) Recursos Informacin Interpersonal Sistemas Tecnologa (Nivel 2) HABILIDADES FUNDAMENTALES (NIVEL I) H. Bsicas H. de pensamiento Cualidades personales

Fuente: SCANS (2000).

50

rev. innovar vol . 2 2 , n m . 4 5 , j ulio - septiembre de 2012