Ergonomía Aplicada en la distribución de alimentos secos usando un análisis matemático, un estudio de caso.

Introducción

Es conocido en la industria que una de las actividades más críticas dentro de los centros de distribución (CEDI) es el manejo manual de cargas, especialmente en partes como la espalda y espalda baja, ya que dicha manipulación de materiales puede desencadenar lesiones o problemas de salud. (ST-VINCENT et all., 2009; BRAAM et all,1996), la importancia de la ergonomía es vital para la correcta ejecución de las labores que trae un CEDI.

En Colombia la tasa de enfermedades laborales del sector económico de Transporte, Almacenamiento es de 57 personas por cada 100.000 personas afiliadas (MinTrabajo, 2012), no obstante existe un porcentaje alto de personas que trabajan realizando dichas labores sin ningún seguimiento, y que se encuentran expuestas a todos los riesgos ergonómicos, según cifras de la OIT en 2013 el porcentaje de trabajo informal es del 62.2%(OIT, 20) , trabajando en las mejoras ergonómicas de un sector puede llegar a beneficiar a los demás en la ejecución de su trabajo.

La ergonomía hoy en día se ha convertido en una herramienta fundamental para la contribución de las estrategias organizacionales. Una de las preocupaciones de las personas que trabajan alrededor de la ergonomía consiste en que ésta es tomada en cuenta muy tarde en los procesos productivos por lo que solamente se logra hacer adaptaciones menores lo que desde este punto de vista las contribuciones que se logran hacer son limitadas. Estas correcciones son vistas en la empresa como costos adicionales así como un incremento en el tiempo de trabajo. En la medida en que la ergonomía sea tenida en cuenta desde la planeación y se deje de ver como un costo correctivo, su alcance será mucho más significativo en términos de la productividad en la operación, mejorando además, la condición de vida de los trabajadores.(DUL & NEUMANN,2009)

Dentro de los CEDI existen tareas enmarcadas a un criterio de actividades que deben poseer para desarrollar con una operación normal las demandas que trae el día a día, dichas labores son: recepción de mercancía, almacenamiento, preparación de pedido y despacho (MORA , 2011), cada una de estas actividades poseen una manipulación manual de mercancía que con el paso del tiempo y una mala manipulación pueden generar lesiones.

Este proyecto de investigación se originó por el interés de Comercial Nutresa (empresa Colombiana, comercializadora y distribuidora de alimentos) y la Pontificia Universidad Javeriana desde el Centro de Estudios de Ergonomía, con el fin de integrar la ergonomía a sus procesos logísticos para crear entornos de trabajo saludables, disminuir el índice de accidentes, lesiones laborales y aumentar la productividad en la organización. Se tuvo como objetivo identificar factores de riesgo posiblemente asociados a la generación de lesiones músculo-esqueléticas en las actividades del CEDI de productos alimenticios secos en la sede de Bogotá.

Se realizó una prueba piloto para la realización de un estudio enmarcado en la mejora de las condiciones ergonómicas a lo largo de la cadena de suministro de una empresa de alimentos secos, este caso de estudio está enfocado en un centro de distribución con unas condiciones enmarcadas dentro de la categoría moderadamente mecanizado (BRAMM et all, 1996), esto con el fin de identificar las incomodidades y cuáles son las relaciones entre las mismas.

“En la medida en que la ergonomía sea tenida en cuenta desde la planeación y se deje de ver como un costo correctivo, su alcance será mucho más significativo en términos de la productividad en la operación, mejorando además, las condiciones de vida de los trabajadores” (DUL & NEUMANN,2009)

Metodología

La metodología está basada en una búsqueda de literatura, donde se construyó un compilado de herramientas, para el caso de estudio particularmente se usó el cuestionario nórdico siguiendo las consideraciones propuesta en diferentes estudios. (WRIGHT & HASLAM, 1991; RONDON, 2010). El cuestionario nórdico fue aplicado durante una semana en tres momentos de la jornada.

En el día de inicio de la aplicación fue en cada turno, se realizó una sesión introductoria se explicó el proyecto y la aplicación de los formatos y se les mostró cuál es la manera adecuada de llenar los formularios y motivarlos a participar activamente.

Selección de la muestra

La selección de la muestra se siguió usando la fórmula de la muestra estadística, que se encuentra expresada a continuación:

Figura 1 Ecuación de la muestra

Allí se usó un nivel de confianza del 95% , con el fin de maximizar la muestra se usó un p= 0,5, el error o nivel de precisión 10% teniendo en cuenta que era la primera vez que se desarrollaba la investigación, la población correspondía a 165 empleados, el resultado usando una muestra estratificada debido a que en el CEDI había 3 turnos el resultado fue el siguiente:

Tabla 1 Estratificación de la muestra

El resultado fue 48, para el caso de estudios se tomaron 50 sujetos. Los sujetos se encuentran distribuidos de la siguiente manera 8 mujeres y 42 hombres (mean= 33.5 DVst= +- 7.94). Las actividades que allí realizaban se encuentran segmentadas de la siguiente manera:

Tabla 2 Personal de estudio según actividad

Procesamiento de la información

Para el análisis de los datos se tomaron los formatos, unificó en una base de datos y se depuró toda la información recolectada en Microsoft Excel. Se calculó el promedio de reportes de incomodidad por persona para inicio, mitad y final de jornada de los 6 días de la semana. Finalmente se calculó el porcentaje de reportes de incomodidad mayor o igual a 4 para cada parte del cuerpo, por canal y jornada de trabajo, basados en el criterio de las tablas de percepción del dolor.

Técnicas avanzadas de Análisis

Para un análisis de los datos desde otra perspectiva, utilizando técnicas avanzadas, se hizo uso de tres técnicas:

Técnicas Tradicionales

Análisis Factorial (Factor Analysis): El análisis factorial consiste en una clase de procedimientos para reducir, resumir los datos y determinar la correlación existente entre las variables para así hacer más sencilla su interpretación. (MALHOTRA, 2008)

Análisis por k- medias (K- means) : La técnica denominada K- medias se encuentra bajo el concepto de análisis de conglomerados (Cluster Analysis). Busca identificar grupos de variables relativamente homogéneos basándose en características previamente seleccionadas.

Técnica Novedosa

Análisis Topológico de Datos (Topological Data Analysis, TDA): Esta es una técnica inventada recientemente, utilizada para estudiar las nociones de forma de los datos, en donde se identifican características que siguen patrones y sirve para la comprensión de conjuntos de datos de alta dimensionalidad.

Para un mayor entendimiento de los resultados encontrados, a continuación se explica la semántica de la técnica, en donde los grafos se denominan complejos simpliciales:

•Nodo: Grupo de personas con nivel de incomodidad mayor al umbral fijo en una parte del cuerpo determinado. Hace referencia a la dimensión cero.

•Arista: Representa la existencia de un elemento común en los nodos, es decir, una persona a la que le duelen las partes del cuerpo que están conectadas en un nivel superior al umbral correspondiente simultáneamente. Las aristas representan una dimensión.

Si no existe conexión alguna entre dos nodos, es porque ninguna persona manifestó incomodidad simultáneamente en las dos partes.

Figura 2 Complejo Simplicial Nodos y Aristas •Cara: Representan la existencia de una persona que le duelen las partes del cuerpo asociadas a los tres diferentes nodos en un nivel superior al umbral seleccionado simultáneamente. Las caras reflejan dos dimensiones.

Figura 3 Complejo Simplicial Cara •Tetraedro: Cuando una persona reportó incomodidades en 5 partes del cuerpo en el umbral fijado, se representa de manera gráfica con un tetraedro, lo cual quiere decir que se encuentra en tercera dimensión.

Figura 4 Complejo Simplicial Tetraedro

Hasta la tercera dimensión se pueden dibujar los complejos simpliciales. Cuando se tienen mayores dimensiones la interpretación es análoga pero imposible de representar fielmente.

Para el desarrollo de los métodos tradicionales mencionados anteriormente, se utilizó el Software IBM SPSS STATISTICS V 22.

Este análisis utilizando las técnicas avanzadas proporciona un análisis exploratorio de los datos, con el fin de identificar si estas son apropiadas para la investigación que se realizará posterior a la prueba piloto.

Resultados

Análisis estadístico descriptivo

Para el análisis se tomó como base de la incomodidad reportada en el nórdico, dicho resultado se basó en la escala de dolor de Bhorg, donde las incomodidades a superiores o iguales a 4 comienzan a ser consideradas como incomodidades moderadas, por lo tanto se seleccionó con el grupo de investigación un porcentaje para considerar que las actividades poseían una incomodidad considerable, la escala consiste en lo siguiente:

Tabla 3 Escala de Incomodidad según color

Tabla 4 Incomodidades de las actividades

Tabla 5 Incomodidades de las actividades 2

Figura 5 Actividades más críticas

Análisis por medio de Técnicas Avanzadas

Para este análisis por medio de las técnicas avanzadas se utilizaron los promedios de incomodidad reportados durante los 6 días de cada una de las personas por cada parte del cuerpo, donde se hizo una agrupación de los resultados de una misma variable.

Análisis Factorial

Para el análisis factorial de los datos, se tuvo en cuenta dos formas de hacer dicho análisis, en primera medida se tomaron todos los datos durante los cinco días de la semana y el programa SPSS no arrojó ningún análisis, en particular el software no ejecutó las pruebas de KMO y Bartlett.

Debido a lo anterior, se decidió tomar el promedio de los quince datos recogidos por cada una de las partes del cuerpo por cada empleado para reducir el número de variables de manera que se realice la prueba de KMO y Bartlett y que indiquen que la técnica de análisis factorial es útil para el análisis de estos datos.

Tabla 6 Prueba KMO y Bartlett

Para la prueba de KMO el valor asociado es 0,841, que es mayor a 0,5. Lo cual valida el análisis factorial.

Tabla 7 Varianza Total Explicada

Se observa que la suma de los dos primeros componentes explica el 78% de los datos, por lo tanto justifica la elección de dos componentes principales, que final mente arroja el gráfico de componentes rotados, donde se identifica que en el componente 1 corresponde a variables de miembro superiores (cabeza, ojos, cuello, hombro y codo), por otro lado se evidencia que en el componente 2 se encuentran las otras variables (miembros inferiores) tales como lo son la espalda, espalda baja, muslo, rodilla y tobillo/pie, y de manera gráfica se identifican que los miembros inferiores están relacionados entre sí y así mismo los superiores entre sí.

Figura 6 Gráfico de componente en espacio rotado

Análisis de K-Medias

En primer lugar, se supuso que existían 12 clusters, cada uno de ellos correspondientes a una actividad. El software SPSS arroja como resultado una tabla de pertenencia a cada uno de los clusters.

Tabla 8 Clusters de pertenencia por número de actividades

En cuanto a la tabla anterior, se esperaba encontrar que las mismas actividades pertenecieran al mismo cluster representando así que las incomodidades se asocian a la actividad realizada como se encontró anteriormente en los resultados del auto-reporte de incomodidad y en el análisis factorial, pero no se evidencia ninguna relación tomando los 12 clusters.

Por lo tanto se decidió a realizar cluster más pequeños, pasando por agrupaciones de 6 clusters hasta llegar a agrupaciones de 2.

Tabla 9 Clusters de pertenencia 2 agrupaciones

Donde se encontraron resultados donde en el cluster 1 se encuentran que predominan individuos que realizan actividades en que se requiere manipular materiales pesados y en el 2 personas que no lo hacen, se denota que en el grupo 1 dichas personas se encuentran realizando tareas pesadas donde sus partes afectadas son los miembros inferiores (Espalda, Espalda Baja, Muslo, Rodilla y Tobillo/Pie). Esto confirma lo encontrado en el análisis factorial.

Análisis Topológico de Datos (TDA)

Resultados Con umbral mayor a 2

El resultado contiene la información de las personas que presentaron incomodidad superior a dos, arrojó que de los 50 empleados que realizaron la prueba piloto, solo 30 manifestaron incomodidad mayor a este nivel.

Resultados Con umbral mayor a 4

Las incomodidades manifestadas superiores a 4 en la parte superior del cuerpo se asocian con las tareas de picking, verificación, operación de montacargas mientras que las actividades asociadas a las incomodidades de la parte inferior del cuerpo son cargue y descargue. Se encuentra una excepción, en el caso de reaprovisionamiento la incomodidad está presente en cabeza, ojos, espalda y espalda baja. Adicionalmente, quiénes desempeñan la tarea de inducción de contenedores muestran incomodidad en el tobillo.

Figura 7 Grafo de Auto- Reportes mayores a 4

Resultados Con umbral mayor a 4

Solo se presentaron incomodidades mayores a 6 en espalda, espalda baja, tobillo/ pie y muñeca mano. Quién manifestó incomodidad en mano no presentó incomodidad en ninguna de las otras tres partes del cuerpo, lo que es coherente con las conclusiones que se obtuvieron en el grafico de niveles de incomodidad mayores a 4. En la literatura se encontró que las partes del cuerpo más críticas en el manejo de materiales en centros de distribución son la espalda y la espalda baja, pero este estudio arrojó que los trabajadores de Comercial Nutresa también presentan incomodidad en tobillo/ pie. Quienes presentaron la incomodidad en estas tres partes del cuerpo son personas que desempeñan la tarea de cargue y descargue y las que se encargan del reaprovisionamiento. Esto se debe a que constantemente deben estar cargando y descargando cajas y llevándolas de un lado a otro. Por otro lado, se encuentra coherencia con el análisis descriptivo en cuanto a qué la parte del cuerpo en que más incomodidad se presenta para quienes desarrollan la tarea de picking es la muñeca/ mano. El análisis topológico de datos confirma lo obtenido en el análisis descriptivo presentado anteriormente.

Figura 8 Grafo de Auto-Reporte mayores a 6

A partir del análisis topológico, se refuerzan las conclusiones extraídas del análisis descriptivo. Se espera que, en el desarrollo del proyecto, el uso del análisis topológico de datos arroje información adicional que apoye la toma de decisiones en el CEDI.

Discusión

A la hora de que los trabajadores contestaran el Cuestionario Nórdico se presentó una curva de aprendizaje, la aplicación de dicho cuestionario a la hora de realizar un proyecto de mayor escala debe ser más sencillo.

Existe concordancia entre lo que se encuentra en la literatura y lo identificado en Comercial Nutresa, en el artículo Work factors affecting manual materials handling in a warehouse superstore concluyeron que las lesiones en espalda y espalda baja están alrededor del 39% y 50% respectivamente. En Comercial Nutresa se encontró también que en actividades como cargue y descargue, reaprovisionamiento, masivos e inducción de contenedores la manifestación de incomodidad en espalda y espalda baja se encuentra entre el 35% y 50% de los empleados. Aunque el enfoque del artículo son las lesiones y en Comercial Nutresa las incomodidades, se hace evidente que se debe entrar a trabajar en este aspecto ya que, las incomodidades son la antesala de las lesiones y el propósito del Proyecto P.E.L. es prevenirlas.

Conclusiones

En esta muestra piloto se identificó que no existe variación en los resultados reflejados en el Auto- Reporte para cada uno de los diferentes turnos. Es decir, las incomodidades manifestadas en cada tarea son afines para cualquiera de los tres turnos. Las incomodidades manifestadas en el auto- reporte son proporcionales al transcurso del tiempo de la jornada. Lo que hace referencia a que en el inicio de la jornada no se evidencia una incomodidad pero, en la mayor parte de las tareas, con el transcurso de la jornada va aumentado, además no se encuentran cambios entre el inicio de la semana y el final de la misma. Por lo que no se considera que; con el transcurso de la semana; las incomodidades vayan en aumento.

Las tareas en que más incomodidades se presentaron fueron el cargue y descargue, realizada por terceros, y el reaprovisionamiento, realizada por empleados de Comercial Nutresa. Se encontró que en las tareas que implican levantamiento de peso, se reportan incomodidades en la espalda y espalda baja, tal y como estaba consignado en la bibliografía.

Después de realizar el análisis avanzado de los datos, se encontró que en Comercial Nutresa, de acuerdo a las incomodidades reportadas, concuerda con la literatura en la manifestación reportada en espalda y espalda baja pero además se evidencia que el Tobillo/pie también es otro factor a considerar.

Referencias

DUL Jan, NEUMANN W. Patrick. Ergonomics contributions to company strategies. En: Applied Ergonomics. Vol 40. Año (2009). Pag.745-752. Tipo de publicación Artículo.

M. ST-VINCENT_, D. DENIS, D. IMBEAU, M. LABERGE. Work factors affecting manual materials handling in a warehouse superstore. En International Journal of Industrial Ergonomics Vol 35 Año (2005) Pag 33–46. Tipo de publicación Artículo.

MORA GARCÍA, LUIS ANÍBAL (Author). Diccionario de Supply Chain Management: terminología de la cadena de abastecimientos., Colombia: Ecoe Ediciones, 2011. p 13. Tipo de publicación Libro.

INGRID TH.J. BRAAM A, MAX VAN DORMOLEN L, MONIQUE H.W. FRINGS-DRESEN. The work load of warehouse workers in three different working systems. En International Journal of Industrial Ergonomics Vol 17 Año (1996). Tipo de publicación Artículo.

WRIGHT E.J., HASLAM R.A. Manual handling risks and controls in a soft drinks distribution centre. En Applied Ergonomics. Año 1999. Tipo de publicación Artículo.

RONDÓN Carlos García, MARQUEZ Eliana Rodríguez. Evaluación ergonómica en una empresa del sector alimenticio venezolano. En Revista Ingeniería Industrial. Año 2010. Tipo de publicación Artículo.

MONTERO Ibañez R. Escalas de valoración del dolor. 1 September, 2014. Tipo de publicación Artículo.

MALHOTRA Naresh .Investigación de Mercados. Quinta Edición. Editorial Person. Ciudad de México DF. Año 2008. Pág. 608 -659. Tipo de publicación Libro.

LLAMAZARES Francisco; BERUMEN Sergio A. Los Métodos de Decisión Multi-criterio y su Aplicación al Análisis de Desarrollo Local, Año 2011. Tipo de publicación Libro.

PÉREZ César; SANTÍN Daniel; Minería de Datos: Técnicas y Herramientas. Editorial Thomson. Madrid, Año 2008. Pág. 357-364 ; 681-698. Tipo de publicación Libro.

CARLSSON Gunnar et al. extracting insights from the shape of complex data using topology. En Scientific Reports .Tipo de publicación Artículo. Año 2012. Tipo de publicación Libro.

M.N.M van Poppela, B.W Koesa, W Devilléa, T Smida, L.M Boutera . Risk factors for back pain incidence in industry: a prospective study. . En Pain. Año 1998. Tipo de publicación Artículo.

FERGUSON Sue A; MARRAS William S; LAVENDER Steven A; SPLITTSTOESSER Riley E; YANG Gang; SCHABO Peter A. Differences between lifting and lowering manual material handling tasks in distribution centers. Tipo de publicación Artículo.

OIT. Evolución del empleo informal en Colombia 2009-2013.Año 2014 Tipo de Publicación Artículo.

Ministerio de Trabajo. Informe al congreso 2011/2012. Año 2013. Tipo de Publicación Informe