Propuesta de modelo matemático para calcular el rendimiento de mano de obra en mampostería de bloque. Caso: ciudad de Cuenca, parroquia Cañaribamba
Contenido principal del artículo
Resumen
Introducción. La colocación de la mampostería de bloque emerge como una fase crítica en el proceso constructivo, donde la eficiencia y precisión influyen directamente en la duración y calidad del proyecto. Esta actividad, aunque aparentemente simple, conlleva una complejidad inherente que a menudo resulta en retrasos significativos en la ejecución de la obra. La necesidad de comprender y abordar los factores que contribuyen a estos retrasos es evidente, ya que su impacto no solo se refleja en términos de cronograma y presupuesto, sino también en la satisfacción del cliente. Objetivo. Proponer un modelo matemático para calcular el rendimiento de la mano de obra en la colocación de mampostería con bloques en la Parroquia Cañaribamba, Cuenca, Ecuador. Metodología. El diseño metodológico adoptado sigue una orientación relacional y descriptiva, involucrando la recopilación de datos de nueve obras mediante una ficha de observación que abarca tanto factores externos como internos. Utilizando estos datos, se llevó a cabo un análisis de regresión lineal mediante un programa estadístico. Resultados. Los resultados destacan que, individualmente, ningún factor analizado influye significativamente en el rendimiento laboral; sin embargo, la combinación de estos factores permite prever el rendimiento con una precisión del 93.3%. Conclusión. Se concluye que la regresión lineal emerge como una herramienta robusta para anticipar el rendimiento de cuadrillas de obreros en la Parroquia Cañaribamba, considerando la complejidad de factores tanto internos como externos en las obras. Área de estudio general: Ingeniería, Industria y Construcción Área de estudio específica: Administración de la Construcción
Descargas
Detalles del artículo
Citas
Bartoschek, P., y Kamenov, F. (2021). Labor Productivity Influence in the Construction Industry [masterThesis, Jonkoping University]. https://www.diva-portal.org/smash/get/diva2:1560486/FULLTEXT01.pdf
Cano R; Duque A. (2000). Trabajo de investigación. SENA-CAMACOL. Medellín.
Cock, J., Prager, S., Meinke, H., y Echeverria, R. (2022). Labour productivity: The forgotten yield gap. Agricultural Systems, 201, 103452. https://doi.org/10.1016/j.agsy.2022.103452
Gata, W., Novitasari, H. B., Nurfalah, R., Hernawati, R., y Shidiq, M. J. (2019). Analysis of Regression Algorithm to Predict Administration, Production, and Delivery to Accuracy of Delivery of Products in Cosmetic Industry. IOP Conference Series: Materials Science and Engineering, 662(7), 072006. https://doi.org/10.1088/1757-899X/662/7/072006
Hai, D., y Tam, N. (2019). Application of the Regression Model for Evaluating Factors Affecting Construction Workers’ Labor Productivity in Vietnam. The Open Construction and Building Technology Journal, 13, 353-362. https://doi.org/10.2174/1874836801913010353
Hamza, M., Shahid, S., Bin Hainin, M. R., y Nashwan, M. S. (2022). Construction labour productivity: Review of factors identified. International Journal of Construction Management, 22(3), 413-425. https://doi.org/10.1080/15623599.2019.1627503
Hernández González, O. (2021). Aproximación a los distintos tipos de muestreo no probabilístico que existen. Revista Cubana de Medicina General Integral, 37(3). http://scielo.sld.cu/scielo.php?script=sci_abstractypid=S0864-21252021000300002ylng=esynrm=isoytlng=es
Jeremiah, M., Kabeyi, B., y Kabeyi, M. (2019). Evolution of Project Management, Monitoring and Evaluation, with Historical Events and Projects that Have Shaped the Development of Project Management as a Profession. International Journal of Science and Research (IJSR), 8, 63-79. https://doi.org/10.21275/ART20202078
Maulud, D., y Mohsin Abdulazeez, A. (2020). A Review on Linear Regression Comprehensive in Machine Learning. Journal of Applied Science and Technology Trends, 1, 140-147. https://doi.org/10.38094/jastt1457
Ouyang, T., Liu, F., y Huang, B. (2022). Dynamic econometric analysis on influencing factors of production efficiency in construction industry of Guangxi province in China. Scientific Reports, 12(1), Article 1. https://doi.org/10.1038/s41598-022-22374-y
Xu, C., Liu, J., Li, S., Wu, Z., y Chen, Y. F. (2021). Optimal brick layout of masonry walls based on intelligent evolutionary algorithm and building information modeling. Automation in Construction, 129, 103824. https://doi.org/10.1016/j.autcon.2021.103824
Yap, J. B. H., Goay, P. L., Woon, Y. B., y Skitmore, M. (2021). Revisiting critical delay factors for construction: Analysing projects in Malaysia. Alexandria Engineering Journal, 60(1), 1717-1729. https://doi.org/10.1016/j.aej.2020.11.021