Percepción de riesgo en las diferentes actividades constructivas de las empresas de construcción de Guatemala

En el presente trabajo, se muestran los resultados de la caracterización de la percepción que tienen los gerentes de las empresas de construcción de Guatemala de que existan riesgos de que se produzcan accidentes. La caracterización se ha realizado mediante muestro representativo de la población de empresas, mediante la técnica de muestreo aleatorio simple, a través de un cuestionario que se estructura en 2 grupos de variables: 1. De datos generales de la empresa (5 variables), 2. Ponderación de sufrir accidente en 64 actividades diferentes en la construcción (64 variables). La ponderación de sufrir accidente se pondera como Poco, Regular o Mucho. Tras la fase de muestreo, los datos muestrales se introdujeron en formato de base de datos, y se les realizó un análisis de datos preliminar y posteriormente un Análisis Descriptivo de las variables estudiadas, así como a un Análisis de Correspondencias Múltiple. Como principales resultados del estudio, cabe resaltar que las empresas del sector de la construcción de Guatemala, se caracterizan porque son empresas de tipo “mediano”, con una media de 81,1 trabajadores de obra al año y una facturación anual media de 1,29 millones de euros, y de forma que conforman en obra una media anual de 6,8 cuadrillas de trabajadores. Asimismo, del resultado del Análisis de Correspondencias Múltiple, se observa como aparecen clusters que agrupan actividades de construcción con ponderación de sufrir accidentes parecidas dentro de cada cluster, y diferentes para cluster distintos.
Autor principal: 
José
Pérez Alonso
Departamento de Ingeniería, Universidad de Almería
España
Coautores: 
Francisco Arturo
Hernández Arriaza
Escuela Mecánica Industrial, Facultad de Ingeniería, Universidad de San Carlos de Guatemala
Guatemala
Ángel
Callejón Ferre
Departamento de Ingeniería, Universidad de Almería
España
Julián
Sánchez-Hermosilla López
Departamento de Ingeniería, Universidad de Almería
España
Marta
Gómez Galán
Departamento de Ingeniería, Universidad de Almería
España
Introducción: 

Parecerá repetitivo el hablar de que en la industria de la construcción es de donde se obtienen los mayores índices de accidentes, siempre que estos se comparan con cualesquiera de otras fuentes de trabajo (Chen and Mohamed, 2009; Martínez-Aires et al., 2010; López-Arquillos et al., 2012; Sousa et al., 2014, 2015; Argilés-Bosch et al., 2014; Chia-Wen and Tsung-Lung, 2016; Carrillo-Castrillo et al., 2017; Liang et al., 2018; Yuan et al., 2018).

Para prevenir accidentes, es necesario un exhaustivo mantenimiento, inspecciones periódicas de seguridad, entrenamiento continuo de seguridad y desarrollar un plan de investigación de los accidentes (Goh et al., 2016). Además, existen empresas que no solo poseen dichos controles, sino que lo hacen notar para tener mayor relevancia entre las empresas que trabajan con transparencia y que quieren obtener mayor legitimidad (Berry et al., 2009), pero no siempre sucede así, y la razón seguirá siendo el costo que se incrementa a la obra (Yilmaz y Kanit, 2018); lo que hace que en muchos casos se evite incluso la capacitación del personal mientras se ejecuta la obra (Cheng et al., 2010); tomando entonces personal con mayor edad que trae por consecuencia que sean los más propensos a sufrir accidentes incluso mortales (Chiang, et al., 2018). Tampoco es de considerar que el personal de obra tiene que poseer por sí mismo la percepción del riesgo y esto debería ser suficiente; pues como mínimo la variable de entrenamiento altera significativamente el riesgo (Rodríguez-Garzón et al., 2014, 2016), y la variable edad del trabajador hace que la percepción de riesgo sea diferente entre trabajadores jóvenes y mayores (Idrees et al., 2017).

Guatemala no es la excepción, pues según registros del hospital de accidentes del IGSS (BE, 2016) entre manufactura-construcción-servicios en el 2016 [25], el 28,15% correspondió a la construcción, y el 24,75% en el 2017. Como en cualquier país en vías de desarrollo, el riesgo de perder la salud es de 10 a 20 veces más alto que en los industrializados (Dong, 2005; Tadesse and Israel, 2016), los trabajadores de la construcción en Guatemala tienen seis veces más probabilidades de morir en el trabajo que sus contrapartes en Suiza (Alli, 2001), además, se debe dar prioridad estratégica a su seguridad (Alli, 2008), pese a lo arriesgado, ya que el crecimiento anual de la construcción en Guatemala fue de 2,7% para el 2017 y de 3,1% para 2018 (BEC, 2018). Se tiene un registro de 7720 empresas constructoras (INE, 2015) entre micro, pequeña, mediana y grande; que a su vez se centralizan en más del 50% en el departamento de Guatemala, registrando la mayoría sus operaciones en distintas regiones del país. Esta nación cuenta con la Ley de acceso a la información pública (decreto 57-2008) (DCA, 2008), sin embargo, carece de la misma por canalización oficial de muchas de sus instituciones públicas en forma rápida y eficiente, como solía suceder en China (Tam et al., 2004).

Por todo lo anteriormente indicado, y puesto que no existen trabajos científicos que determinen  la percepción de sufrir riesgo en las diferentes actividades de construcción de las empresas de construcción en Guatemala, es oportuno fijar el objetivo del presente trabajo de realizar la caracterización de esta percepción de riesgo en las empresas de construcción de Guatemala.

Metodología: 

Diseño de la investigación y análisis de datos

Para realizar la caracterización de la percepción que tienen los gerentes de las empresas de construcción de Guatemala de que existan riesgos de que se produzcan accidentes en las diferentes actividades constructivas que desarrollan, se han adoptado como variables de estudio, las variables que se muestran en las Tablas 1 y 2, agrupadas en 2 grupos de variables. Las 5 variables  del primer grupo son: Facturación anual de la empresa (F), número de trabajadores en oficina (OF), número de trabajadores en obra (OB), número de cuadrillas que conforma en el año (C), y número de años que lleva trabajando en obra (AÑ). Estas variables son cuantitativas, pero se han categorizado para su mejor estudio y correlación entre ellas y con las 64 variables de ponderación de riesgo de accidente. En las Tablas 1 y 2 se muestran todas las variables, y tanto para las variables cualitativas como las cuantitativas categorizadas se expone la nomenclatura de las variables y sus categorías.

Para la adquisición de los datos de campo de las variables estudio, se ha realizado un muestreo de las empresas de construcción de Guatemala mediante un cuestionario diseñado al efecto. Una vez obtenido los datos, se realizó un análisis preliminar de datos para identificar datos ausentes y desaparecidos, y posteriormente, se comprobó que los datos verificaban las condiciones de independencia, homocedasticidad y normalidad de las variables. Asimismo, se ha realizado un análisis descriptivo de las variables estudiadas, de forma que para las cualitativas se han descrito las frecuencias para cada categoría de cada variable expresadas en porcentajes, y para las cuantitativas se han determinado sus valores medios, y desviación estándar. Finalmente, se ha realizado un análisis de correspondencias múltiple que ha permitido determinar clusters de actividades de construcción con ponderación parecida de que se produzcan accidentes al ejecutar las mismas.

Muestreo de las empresas de construcción de Guatemala

Censo de empresas

Se ha considerado como población de estudio, al conjunto de las empresas de construcción de Guatemala, y según datos del Instituto Nacional de Estadística (INE, 2015) de este país, en diciembre 2015 eran 7720 empresas. Sin embargo, para poder tener datos referenciales de las mismas, se ha tomado como censo muestral los datos del Ministerio de Comunicaciones, Infraestructura y Vivienda (MICIVI) de Guatemala, en donde se proporciona la base de datos de las Empresas Precalificadas vigentes (dirección, representante legal, teléfono, Email, capacidad económica, fecha de inscripción) que a diciembre 2015 eran 1954 empresas.

Técnica y Cuestionario de muestreo

Para la ejecución del muestreo se ha utilizado una técnica de muestreo de tipo aleatorio simple, y para la recogida de información, se diseñó un cuestionario específico, partiendo de trabajos de investigación previos en España (Calderón, 2006; Pérez-Alonso et al., 2011). El cual se estructuró en 2 apartados o grupos de variables: 1. De datos generales de la empresa (5 variables), 2. Ponderación de sufrir accidente en 64 actividades diferentes en la construcción (64 variables). La ponderación de sufrir accidente se pondera como 1. Baja, 2. Regular, 3. Elevada y 4. Ninguna o no contesta. Todas las variables y su nomenclatura se muestran en las Tablas 1 a 3.

Tamaño de la muestra, Plan de muestreo y Sistema de recogida de los datos

Para la extracción del tamaño de muestra, con nivel de confianza del 95% (Z=1.96), un límite de error de aceptación del 7% y desviación estándar del 5%, da por resultado que la muestra debe ser 178 empresas. Esta cantidad equivale al 9,11% de estos registros y para garantizar la presente investigación se enviaron inicialmente 5 encuestas que, al momento de tener la recepción, generaron la validación de esta con pequeñas modificaciones en su cuestionamiento. En vista de lo anterior, se giraron 350 encuestas a constructoras guatemaltecas por medio de conexión de internet con aplicación (google form) y también en papel impreso, que representa un 17,91%; dando por resultado que ingresaron 86 por medio digital, de las cuales 18 se retiraron porque habían llenado un máximo de 30% de toda la encuesta, luego de las impresas se recibieron 34 de las cuales también se retiraron 2 por la misma razón y que desviarían resultados de la presente investigación, dejando efectivas 100 encuestas con respuesta significativa. La fase de muestreo se realizó desde marzo de 2016 a diciembre de 2017.

Resultados: 

Análisis descriptivo de las variables

En la Tabla 1 se muestran las frecuencias de cada una de las categorías de las variables generales de las empresas estudiadas expresadas de forma categórica.

Tabla 1. Nomenclatura y frecuencia de las categorías de las variables generales de la empresa

Las empresas de la muestra presentan una facturación anual media (F) de 1,29 millones de euros (s.d. 6,29), un número de trabajadores de oficina (OF) medio de 7,3 (s.d. 15,06), un número de trabajadores de obra (OB) medio de 81,1 (s.d. 75,22), una media del número de cuadrillas que conforman cada año en obra (C) de 6,8 (s.d. 5,55) y llevan trabajando en obras (AÑ) una media de 15,0 años (s.d. 7,53). 

Asimismo, en las Tablas 2 y 3 se muestran las frecuencias para cada una de las categorías de ponderación de riesgo y para cada una de las 64 actividades constructivas consideradas en el presente estudio.

 

Tabla 2. Frecuencias de las 64 variables de ponderación de riesgo en cada actividad constructiva (Parte 1)

Tabla 3. Frecuencias de las 64 variables de ponderación de riesgo en cada actividad constructiva (Parte 2)

Análisis de correspondencias múltiple

El resultado del análisis de correspondencias múltiple realizado para las variables estudiadas (Tablas 4 y 5), permite identificar las correlaciones entre dichas variables, mediante un modelo matemático de dos dimensiones en el que se resume la información de todas las variables analizadas en el mismo.

Fiabilidad del modelo de correspondencias múltiple

El modelo obtenido tras dicho análisis presenta dos dimensiones significativas, de forma que la primera explica el 39,8% de la varianza con un coeficiente α de Cronbach de 0,978 y un autovalor de 27,491, y la segunda dimensión explica el 29,7% de la varianza con un coeficiente α de Cronbach de 0,965 y un autovalor de 20,505; de manera que para el conjunto del modelo factorial la media de la varianza explicada es del 34,8%, el coeficiente medio de α de Cronbach vale 0,972 y el autovalor medio de 23,998, por lo que la fiabilidad del modelo es buena.

Medidas de discriminación

En las Tablas 4 y 5 se muestran las medidas de discriminación de cada variable respecto a cada una de las dos dimensiones y la media. Cada medida de discriminación coincide con la varianza de las coordenadas sobre cada dimensión de las modalidades de cada variable, de modo que aquellas variables cuyas modalidades tengan coordenadas sobre una dimensión diferentes entre sí, presentarán sobre dicha dimensión elevadas medidas de discriminación.

Si se representan estos valores en un sistema de ejes ortogonales, se obtiene una figura de medidas de discriminación de las variables en el modelo como la que se muestra en la Figura 1, en donde se puede observar que variables se encuentran correlacionadas y cuales no. Para ello, hay que notar que existe mayor correlación entre variables, si el ángulo formado por las líneas que unen el origen de coordenadas con cada una de las variables es pequeño entre ellas, y viceversa, si el ángulo es muy grande entre dos variables, indica que no hay buena correlación entre las mismas.

Tabla 4. Medidas de discriminación de las 64 variables de ponderación de riesgo en cada actividad constructiva y las variables generales de la empresa para cada dimensión (Parte 1)

Tabla 5. Medidas de discriminación de las 64 variables de ponderación de riesgo en cada actividad constructiva y las variables generales de la empresa para cada dimensión (Parte 2)

Figura 1. Representación de las medidas de discriminación de las variables en el plano bidimensional

Cuantificaciones

El análisis de correspondencias múltiple realizado permite identificar las categorías de cada variable que más discriminación de los objetos (empresas) realiza, y por ello, se obtienen las cuantificaciones de las variables y se representan en un plano factorial en el que los ejes son las 2 dimensiones obtenidas en el modelo (Figura 2). Las cuantificaciones de las categorías son el promedio de las puntuaciones de los objetos de la misma categoría. Y mediante la representación en el Plano factorial (Figura 2), permite observar las correlaciones o correspondencias de las categorías de las variables. En la Figura 2 se representan las posiciones de las cuatro categorías posibles (1.Baja, 2.Regular, 3.Elevada y 4.Ninguna o no aplica) de las variables de ponderación de riesgo que presentan medidas medias de discriminación superiores a 0,5, con la finalidad de que sea más clara la Figura, ya que si se incluyen las 64 variables de ponderación, se solapan unos valores con otros, y no queda clara la representación.

Figura 2. Plano factorial de las cuantificaciones de las categorías de las variables (Categorías de las variables de ponderación de riesgo que tienen discriminaciones medias totales superior a 0,5: 1.Baja, 2.Regular, 3.Elevada y 4.Ninguna o no aplica) y las variables generales de la empresa

Puntuaciones de los objetos (empresas)

Finalmente, el análisis de correspondencias múltiples permite representar en un plano factorial los objetos (empresas) mediante las puntuaciones de cada uno de ellos en cada una de ambas Dimensiones (Figura 3). En la Figura 3 se muestran representadas en el plano factorial obtenido todas las empresas, en función de las puntuaciones de los objetos obtenidas, por cada una de ellas, en el modelo del análisis de correspondencias múltiple desarrollado.

Figura 3. Diagrama de dispersión biespacial de las empresas

Discusión de resultados: 

Tasa de respuesta

Siguiendo el plan de muestreo indicado en la Metodología, se cursaron 350 encuestas de las que se recibió respuesta de 100 encuestas válidas, por lo que la tasa de respuesta efectiva fue del 28,57%, algo inferior al 38,0 % obtenido por Chen and Mohamed (2009) en Hong Kong en un estudio con muestreo de empresas contratistas de construcción.

Análisis descriptivo de las variables

Las empresas de construcción de Guatemala presentan una facturación anual media (F) de 1,29 millones de euros (s.d. 6,29), de forma que el 23,0% factura entre 0,3 y 0,5 millones de euros, el 21,8% entre 0,1 y 0,3 millones de euros y el 17.2% menos de 0,1 millones de euros. Así, la facturación media de estas empresas casi coincide con la facturación media anual de las empresas de construcción de invernaderos del sudeste de España, que ha sido cifrada en 1,56 millones de euros por (Pérez-Alonso et al. 2011), de forma que el 50,0% de estas empresas factura menos de un millón de euros y el 30,0% más de 2 millones de euros. Asimismo, para el conjunto de las empresas de construcción en Andalucía (España), el 29,0% de las empresas facturan entre 0,5 y 1 millón de euros (Calderón, 2006).

El número medio de trabajadores de oficina (OF) de la empresa es de 7,3 (s.d. 15,06), de forma que el 61,2% disponen de menos de 6 trabajadores de oficina, el 30,6% entre 6 y 10, el 6,1% entre 11 y 20 y el 2,1% más de 20.  El número de trabajadores medio de obra (OB) es de 81,1 (s.d. 75,22), de forma que el 11,3% son microempresas.  Es decir, presentan menos de 11 trabajadores, porcentaje muy parecido al del conjunto de empresas del sector de la construcción en Andalucía (España), que es del 14,0% (Calderón, 2006), y muy distante del 50,0% de microempresas en el sector de la construcción de invernaderos en el sudeste de España (Pérez-Alonso et al., 2011); mientras que el 39,2% son pequeñas empresas, ya que presenta en obra entre 11 y 50 trabajadores, que es algo inferior a las pequeñas empresas de construcción en Andalucía, que es del 54% (Calderón, 2006). Finalmente, en Guatemala, el resto de las empresas (49,5%) son medianas, de forma que el 17,5% presentan entre 51 y 100 trabajadores y el 13,4% entre 101 y 150 trabajadores.

El número medio de cuadrillas de trabajadores que conforman las empresas de construcción de Guatemala cada año en obra (C) es de 6,8 (s.d. 5,55), valor superior a 4,4 (s.d. 2,59) que es número medio de cuadrillas que conforman las empresas de construcción de invernaderos del sudeste de España (Pérez-Alonso et al., 2011).  Esto es lógico dado la diferencia de microempresas que hay entre los dos sectores. El 41,7% de empresas de construcción de Guatemala dispone de entre 4 y 6 cuadrillas, el 22,9% entre 7 y 10, y también un 22,9% menos de 4 cuadrillas, mientras que en el sector de empresas de construcción de invernaderos del sudeste de España se cifró en el 40,0% menos de 5 cuadrillas (Pérez-Alonso et al., 2011). En cuanto al número medio de años que lleva la empresa de construcción de Guatemala trabajando en obra (AÑ) es de 15,0 años (s.d. 7,53), de forma que el 49,0% lleva entre 11 y 20 años, el 32,7% lleva menos de 11 años y el 15,3% entre 21 y 30 años. 

En cuanto a la ponderación del riesgo de sufrir un accidente en las diferentes actividades constructivas (64 variables) que realizan las empresas de la construcción de Guatemala, hay que destacar que para el conjunto de las 64 actividades estudiadas en 35 (54,7%) de ellas se indica que la ponderación del riesgo es Baja, en 20 (31,3%) Regular, en 3 (4,7%) Elevada y en 6 (9,4%) Ninguna o no aplica.

Este alto porcentaje de empresas con una ponderación del riesgo de sufrir un accidente en obra baja o regular, es un indicio claro de una baja gestión y formación sobre riesgos de accidente de las empresas, como indican Rodríguez-Garzón et al. (2014, 2016), que afirman que las empresas presuponen que la percepción al riesgo debe ser algo innato del trabajador.

Entre las actividades constructivas que destacan porque se indica que la probabilidad de riesgo es Baja serían: En trazo, delineación y demarcación (R5) (85,6%), en levantamiento y nivelación topográfica (R1) (82,7%), en preparación de conducción de agua temporal (R42) (78,5%), en acometidas y redes de agua con PVC (R9) (77,1%) y acometidas y redes de agua con hierro galvanizado (R10) (75,8%), entre otras. Asimismo, entre las actividades constructivas que destacan porque se indica que la probabilidad de riesgo es Regular serían: En uso de andamios en diferentes alturas (R18) (64,6%), en zanjeo o excavación (R14) (60,8%), en uso de maquinaria pesada para movimiento de tierra (R12) (58,8%), en estructuras de techos prefabricados (vigueta y bovedilla) (R32) (58,3%) y acometidas y redes eléctricas de baja tensión (R50) (55,9%), entre otras. Las 3 actividades constructivas que destacan porque se indica que la probabilidad de riesgo es Elevada serían: En acometidas y redes eléctricas de alta tensión (R51) (45,1%), en uso de grúas y plumas de carga (R53) (38,4%) y en uso de elevador manual, eléctrico o de combustión (R51) (27,8%). Finalmente, las 6  actividades constructivas que destacan porque se indica que la probabilidad de riesgo es Nula o no se contesta serían: En instalación de vías ferroviarias (R56) (79,2%), en conducción de gases, combustibles o petróleo (R57) (76,6%), en actividades mineras (R64) (76,3%), en estructuras para túneles en minería (R59) (75,3%), en excavación de túneles (R58) (50,0%) y en dragado de río, lago o mar (R63) (46,2%). Siendo de destacar, que estas 6 actividades constructivas son poco realizadas respecto al resto por las empresas de construcción de Guatemala.

Análisis de correspondencias múltiples

Tras la realización del análisis de correspondencias múltiple realizado a las variables estudiadas, se ha obtenido un modelo matemático de dos dimensiones en el que se resume la información de todas las variables analizadas en el mismo, y presenta una buena fiabilidad (ver epígrafe 3.2.1.).

En cuanto a las medidas de discriminación del modelo obtenidas que se reflejan en las Tablas 4 y 5, se puede apreciar, que la variable líder en el ranking de variables explicativas es R22 (0,692), ya que presenta la discriminación media más alta, seguidas en orden de explicación descendente por las variables R23 (0,671), R26 (0,665), R24 (0,620), R25 (0,615) y R27 (0,601).  Y la variable menos explicativa es OF (0.010), seguida de C (0.077), R14 (0,084 y R36 (0,122).

En lo referente a la discriminación en ambas dimensiones, la primera dimensión presenta discriminaciones muy grandes con las variables R27 (0,883), R32 (0,878), R25 (0,866), R26 (0,864) y R48 (0,852), mientras que la segunda dimensión presenta discriminaciones grandes, pero inferiores a las de la dimensión 1, con las variables R22 (0,722), R21 (0,620), R41 (0,618) y R17 (0,526).

Asimismo, medidas de discriminación similares de una variable en las dos dimensiones reflejan dificultades de asignación de la misma, a una dimensión dada. Lo ideal es que una variable tenga un valor alto en una sola dimensión y bajo en otra, como ocurre con las variables R7, R8, R29, R60, R61 y R62 que están más correlacionadas con la dimensión 1, y por ello esta dimensión discrimina mejor las categorías de estas variables; y las variables R17, R34, R37, R41, R43, R57 y R59 están más correlacionadas con la dimensión 2, por lo que esta dimensión discrimina mejor las categorías de estas variables.

Hay que destacar que las 5 variables generales de la empresa son poco significativas en el modelo matemático obtenido, ya que las discriminaciones en ambas dimensiones son muy pequeñas y próximas al origen de coordenadas, y no hay ninguna de ellas que se correlacione claramente a una de las 2 dimensiones. Sin embargo, la Figura 1 muestra qué variables de las 64 de ponderación de riesgo, se correlaciona con cada una de las variables generales de la empresa. Así las variables facturación anual de la empresa (F) y Número de años que lleva trabajando en obras la empresa (AÑ) se correlacionan con las variables de ponderación de riesgo que se encuentran en el sector circular que va de R17 a R21, mientras que el número de cuadrillas que conforma la empresa al año (C), se encuentra alineada precisamente con la variable R21 y todas las demás que se encuentran alineadas con R21. Asimismo, la variable Número de trabajadores de obra de la empresa (OB) se correlaciona con las variables de ponderación de riesgo que se encuentran en el sector circular que va de R21 a R27. Mientras que la variable Número de trabajadores de oficina de la empresa (OF) no se correlaciona claramente con ninguna variable de ponderación de riesgo, puesto que se sitúa en el origen de coordenadas prácticamente.

Por otra parte, en la Figura 2 se representan las categorías de cada variable que más discriminación de los objetos (empresas) realiza, mediante las cuantificaciones de las variables. Las cuantificaciones de las categorías de las variables son el promedio de las puntuaciones de los objetos de la misma categoría. Y mediante la representación en el Plano factorial (Figura 2), permite observar las correlaciones o correspondencias de las categorías de las variables. En este sentido, observamos como las 4 categorías de las variables de ponderación de riegos junto con las categorías de las 5 variables generales de la empresa representadas se agrupan en 4 grupos (clusters). El cluster 1 presenta categorías de valores en la Dimensión 1 comprendidos entre -1 y 1, y en la Dimensión 2 valores entre -1 y 0,3. Este cluster agrupa a la mayoría de las variables de ponderación de riesgo con ponderación Baja y a las categorías del número de años de trabajo de la empresa de 1-10, 11-20 y 21-30, y a las categorías de la variable número de trabajadores en oficina de menos de 6, de entre 6 y 10 y de entre 11 a 20 trabajadores, y con todas las categorías de la variable número de trabajadores en obra superiores a 11 trabajadores, y con todas las categorías de la variable facturación anual de la empresa superiores a 100000 €. El cluster 2 presenta categorías de valores en la Dimensión 1 comprendidos entre -1 y 1,2, y en la Dimensión 2 valores entre 0,3 y 1,4. Este cluster agrupa a la mayoría de las variables de ponderación de riesgo con ponderación Regular y a la categoría del número de años de trabajo de la empresa de más de 40 años, y a la categoría de la variable número de trabajadores en oficina de más de 20 trabajadores, y a la categoría de la variable número de trabajadores en obra de menos de 11 trabajadores, y con la categoría de la variable facturación anual de la empresa inferior a 100000 €. El cluster 3 presenta categorías de valores en la Dimensión 1 comprendidos entre -1 y 1,4, y en la Dimensión 2 valores entre 1,4 y 3,3. Este cluster agrupa a la mayoría de las variables de ponderación de riesgo con ponderación Elevada y a la categoría del número de años de trabajo de la empresa de entre 31 y 40 años. Y finalmente el cluster 4 presenta categorías de valores en la Dimensión 1 comprendidos entre 2 y 6, y en la Dimensión 2 valores entre -0,5 y 0,8. Este cluster agrupa a la mayoría de las variables de ponderación de riesgo con ponderación de Ninguna o no aplica.

Asimismo, en función de las puntuaciones de los objetos obtenidas por cada empresa en el modelo matemático desarrollado, que se representa en la Figura 3, se puede observar como las empresas de la muestra se agrupan en 4 cluster de empresas con características homogéneas, que además se asocian con los 4 clusters descritos anteriormente de categorías de variables. El cluster 1 presenta puntuaciones entre -1 y 1,0 en la Dimensión 1 y entre -1,0 y 0,3 en la Dimensión 2, por lo que se correlaciona con empresas que presentan actividades constructivas en las que la ponderación de riesgo es Baja, de acuerdo al cluster 1 de categorías de la Figura 2. El cluster 2 presenta puntuaciones entre -1,0 y 1,4 para la Dimensión 1 y entre 0,5 y 1,2 en la Dimensión 2, por lo que se correlaciona con empresas que presentan actividades constructivas en las que la ponderación de riesgo es Regular, de acuerdo al cluster 2 de categorías de la Figura 2.

El cluster 3 presenta puntuaciones entre -0,5 y 1,1 para la Dimensión 1 y entre 1,7 y 4,5 en la Dimensión 2, por lo que se correlaciona con empresas que presentan actividades constructivas en las que la ponderación de riesgo Elevada, de acuerdo al cluster 3 de categorías de la Figura 2. Y finalmente, el cluster 4 presenta puntuaciones positivas por encima de 2,0 en la Dimensión 1 con valores positivos (0,7) y negativos (-1,0) en la Dimensión 2, por lo que se correlaciona con empresas que presentan actividades constructivas en las que la ponderación de riesgo es Nula o no aplica de acuerdo al cluster 4 de categorías de la Figura 2.

De todo lo anteriormente discutido y de las Figuras 2 y 3, y a pesar de que no hay una tendencia clara de las 5 variables generales de la empresa, que presentan discriminaciones muy pequeñas cercanas al origen de coordenadas, se puede concluir que las empresas del cluster 1 se asocian a las variables agrupadas con ponderación de riesgo Bajo, con un número de años de trabajo de medio a bajo, un número de trabajadores en obra medio a alto y en oficina de medio a bajo con una facturación superior a 100000 €, mientras que las del cluster 2 se asocian a las variables agrupadas con ponderación de riesgo Regular, con un número de años de trabajo alto, un número de trabajadores en obra bajo y en oficina de medio a alto con una facturación inferior a 100000 €. Las empresas del cluster 3 se asocian a las variables agrupadas con ponderación de riesgo Elevada, y que solamente se asocian claramente con un número de años de trabajo de la empresa de entre 31 y 40 años. Y finalmente, las empresas del cluster 4 se asocian a la mayoría de las variables de ponderación de riesgo con ponderación de Ninguna o no aplica, con las que no se asocia claramente ninguna categoría de las variables generales de la empresa. Para finalizar, indicar que en los clusters 1 y 2 de baja y regular ponderación de riesgo respectivamente, es donde se concentra el mayor porcentaje de las empresas analizadas, y esta baja ponderación del riesgo es un indicio claro de una baja gestión y formación sobre riesgos de accidente de las empresas, como indican Rodríguez-Garzón et al. (2014, 2016), que afirman que las empresas presuponen que la percepción al riesgo debe ser algo innato del trabajado.

Conclusiones: 

Las empresas de construcción de Guatemala, se caracterizan por ser empresas de tipo “mediano”, con una media de 81,1 trabajadores de obra al año y 7,3 trabajadores de oficina al año, presentan una facturación anual media de 1,29 millones de euros, y de forma que conforman en obra una media anual de 6,8 cuadrillas de trabajadores y llevan trabajando en obra una media de 15,0 años.

Las 3 actividades constructivas que desarrollan las empresas, que más destacan por presentar una probabilidad de riesgo Elevada son: En acometidas y redes eléctricas de alta tensión (45,1%), en uso de grúas y plumas de carga (38,4%) y en uso de elevador manual, eléctrico o de combustión (27,8%).

Mediante la técnica de Análisis de Correspondencias Múltiple, se ha concluido que las empresas se agrupan en 4 grupos o clusters de empresas, que presentan características parecidas en virtud de la ponderación de riesgo de accidente que indican en determinadas actividades de construcción que realizan.

Las empresas del sector de construcción de Guatemala deberían mejorar la formación de sus directivos y trabajadores en prevención de riegos laborales, para disminuir la ponderación de riesgo de accidente de las actividades constructivas que desarrollan.

Agradecimientos: 

Los autores del presente estudio agradecen su colaboración al conjunto de empresas de construcción de Guatemala que han participado en la fase de muestreo, ya que sin su colaboración en la contestación de los cuestionarios, no se podría haber realizado.

Referencias bibliográficas: 

Alli, B. O. 2001. Fundamental principles of occupational health and safety, International Labour Organization (ILO), Geneva, Switzerland.

Alli, B. O., 2008. Fundamental principles of occupational health and safety, International Labour Organization (ILO), Geneva, Switzerland, Second edition. Pgs 5, 177.

Argilés-Bosch, J.M., Martí, J., Monllau, T., García-Blandón, J., Urgel, T., 2014. Empirical analysis of the incidence of accidents in the workplace on firms’ financial performance. Saf. Sci. 70, 123–132. doi: 10.1016/j.ssci.2014.05.012.

BE (Boletín Estadístico), 2016. Prestaciones en salud año 2016. Boletín Estadístico 2016, Departamento Actuarial y Estadístico del Instituto Guatemalteco de Seguridad Social, Guatemala.

BEC, 2018. La Construcción en cifras: Crecimiento anual del Sector de la Construcción, años 2008-2018. Boletín Económico de la Construcción 43, Cámara Guatemalteca de la Construcción, Guatemala.

Berry, A.J., Coad, A.F., Harris, E.P., Otley, D.T., Stringer, C., 2009. Emerging themes in management control: a review of recent literatura. British Acc. Rev. 41, 2–20. doi:10.1016/j. bar.2008.09.001.

Calderón-Gálvez, C.G., 2006. Análisis de modelos de gestión de seguridad y salud en las PYMES del sector de la construcción. Tesis (PhD). Universidad de Granada, Spain.

Carrillo-Castrillo, J.A., Trillo-Cabello, A.F., Rubio-Romero, J.C., 2017. Construction accidents: identification of the main associations between causes, mechanisms and stages of the construction process. International Journal of Occupational Safety and Ergonomics 23 (2), 240–250. doi: 10.1080/10803548.2016.1245507.

Chen, L., Mohamed S., 2009. The strategic importance of tacit knowledge management activities in construction. Construction Innovation 10 (2), 138–163. doi: 10.1108/14714171011037165.

Cheng, C.W., Leu, S.S., Lin, C.C., Chihhao, F., 2010. Characteristic analysis of occupational accidents at small construction enterprises. Saf. Sci. 48 (6), 698–707. doi: 10.1016/j.ssci.2010.02.001.

Chiang, Y.H., Wong, F. K.W., Liang, S.  2018. Fatal Construction Accidents in Hong Kong Journal of construction engineering and management 144 (3). doi: 10.1061/(ASCE)CO.1943-7862.0001433.

Chia-Wen, L., Tsung-Lung, Ch., 2016. Reducing occupational injuries attributed to in attentional blindness in the construction industry. Safety Science 89, 129–137. doi: 10.1016/j.ssci.2016.06.010.

DCA, 2008. Decreto ley 57-2008, de 22 de octubre de 2008, de Ley de acceso a la información pública. Diario de Centro América 45, de 23 de octubre de 2018, Guatemala.

Dong X., 2005. Long work hours, work scheduling and work-related injuries among construction workers in the United States. Scand J Work Environ Health 31 (5), 329–35.

Goh, Kai Chen; Goh, HH; Goh, Hui Hwang; Omar, Mohd Faizal; Toh, Tien Choon; Zin, Abdullah Asuhaimi Mohd. 2016. Accidents Preventive Practice for High-Rise Construction Malasia. Edit: Rahman, NA; Jaini, ZM; Yunus, R; Rahmat, SN. 3RD INTERNATIONAL CONFERENCE ON CIVIL AND ENVIRONMENTAL ENGINEERING FOR SUSTAINABILITY (ICONCEES 2015) MATEC Web of Conferences. Vol 47 Art UNSP 04004. doi: 10.1051/matecconf/20164704004.

Idrees, M.D., Hafeez, M., Kim, J.-Y., 2017. Workers’ age and the impact of psychological factors on the perception of safety at construction Sites. Sustainability  9, 745. doi:10.3390/su9050745.

INE, 2015. Clasificación de empresas constructoras por tamaño en base al Acuerdo Gubernativo 211-2015 del Ministerio de Economía. Directorio Nacional Estadístico de Empresas, Instituto Nacional de Estadística, Guatemala.

Liang, H., Lin, K.-Y., Zhang, S., Su, Y., 2018. The impact of coworkers’ safety violations on an individual worker: A social contagion effect within the construction crew. Int. J. Environ. Res. Public Health 15, 773. doi:10.3390/ijerph15040773.

López-Arquillos, A., Rubio Romero, J.C., Gibb, A., 2012. Analysis of construction accidents in Spain, 2003–2008. J. Saf. Res. 43 (5–6), 381–388. doi: 10.1016/j.jsr.2012.07.005.

López-Arquillos, A., Rubio-Romero, J.C., Martínez-Aires, M.D., 2015. Prevention through Design (PtD). The importance of the concept in Engineering and Architecture university courses. Safety Science 73, 8–14. doi:10.1016/j.ssci.2014.11.006.

Martínez-Aires, M.D., Rubio Gámez, M.C., Gibb, A., 2010. Prevention through design: the effect of European Directives on construction workplace accidents. Saf. Sci. 48 (2), 248–258. doi: 10.1016/j.ssci.2009.09.004.

Pérez-Alonso, J., Carreño-Ortega, A., Callejón-Ferre, A.J., Vázquez-Cabrera, F. J., 2011. Preventive activity in the greenhouse-construction industry of south-eastern Spain. Safety Science 49, 345–354. doi: 10.1016/j.ssci.2010.09.013.

Raheem, A.A., Issa, R.R.A., 2016. Safety implementation framework for Pakistani construction industry. Saf. Sci. 82, 301-314, doi:10.1016/j.ssci.2015.09.019.

Rodríguez-Garzón, I., Lucas-Ruiz, V., Martínez-Fiestas, M., Delgado-Padial, A., 2014. Association between perceived risk and training in the construction industry. J. Constr. Eng. Manage. 141 (5), 04014095. doi: 10.1061/(ASCE) CO.1943-7862.0000960.

Rodríguez-Garzón, I., Martínez-Fiestas, M., Delgado-Padial, A., Lucas-Ruiz, V., 2016. An Exploratory Analysis of Perceived Risk among Construction Workers in Three Spanish-Speaking Countries. J. Constr. Eng. Manage. 142 (11), 045016066. doi: 10.1061/(ASCE)CO.1943-7862.0001187.  

Sousa, V., Almeida, N. M., Dias, L. A., 2014. Risk-based management of occupational safety and health in the construction industry – Part 1: Background knowledge. Safety Science 66, 75–86. doi: 10.1016/j.ssci.2014.02.008.

Sousa, V., Almeida, N. M.; Dias, L. A., 2015. Risk-based management of occupational safety and health in the construction industry – Part 2: Quantitative model Safety Science 74, 184–194. doi: org/10.1016/j.ssci.2015.01.003.

Tadesse, S., Israel, D., 2016. Occupational injuries among building construction workers in Addis Ababa, Ethiopia. Journal of Occupational Medicine and Toxicology 11:16. doi: 10.1186/s12995-016-0107-8.

Tam, C.M., Zeng, S.X., Deng, Z.M., 2004. Identifying elements of poor construction safety in China. Safety Science 42 (7), 569–586. doi: 10.1016/j.ssci.2003.09.001.

Yilmaz, M., Kanit, R., 2018. A practical tool for estimating compulsory OHS costs of residential building construction projects in Turkey. Safety Science 101, 326–331. doi: 10.1016/j.ssci.2017.09.020.

Yuan, J.; Yi, W; Miao, M.; Zhang, L., 2018. Evaluating the impacts of health, social network and capital on craft efficiency and productivity: A case study of construction workers in China. Int. J. Environ. Res. Public Health 15, 345: doi:10.3390/ijerph15020345.

Papers relacionados

ORP 2015
Francisco José
Forteza Oliver
Universidad Illes Balears
España
ORP 2015
Alfredo
Escalona
Facultad de Ingeniería - Universidad Nacional de La Plata (Argentina)
Argentina
ORP 2015
MANUEL ANTONIO
ROSAS GRANADOS
INSTITUTO POLITÉCNICO NACIONAL
México
ORP 2015
SILVIA
OCHOA AYALA
Instituto Politécnico Nacional y DIE CINVESTAV
México