O que é uma Curva de Aprendizagem Fornecido por James R. Martin, Ph. D. CMA Professor Emérito, University of South Florida Citation. Martin, J. R. Não é datado. O que é uma curva de aprendizado Gestão e Contabilidade. maaw. info/LearningCurveSummary. htm A teoria da curva de aprendizado ou curva de experiência 1 baseia-se na ideia simples de que o tempo necessário para executar uma tarefa diminui à medida que o trabalhador ganha experiência. O conceito básico é que o tempo, ou custo, de realizar uma tarefa (por exemplo, produzir uma unidade de saída) diminui a uma taxa constante, à medida que a saída cumulativa dobra. As curvas de aprendizado são úteis para preparar estimativas de custo, fazer lances em pedidos especiais, estabelecer padrões trabalhistas, programar requisitos de mão-de-obra, avaliar o desempenho do trabalho e definir taxas salariais de incentivo. Existem dois modelos diferentes de curva de aprendizado. O modelo original foi desenvolvido por T. P. Wright em 1936 e é conhecido como Modelo Médio Cumulativo ou Modelo de Wrights. Um segundo modelo foi desenvolvido posteriormente por uma equipe de pesquisadores da Universidade de Stanford. Sua abordagem é chamada de modelo incremental de tempo (ou custo) ou modelo Crawford. Problemas simples de curva de aprendizado são mais facilmente introduzidos com o modelo de Wrights, embora o modelo de Crawford seja amplamente utilizado na prática. Assim, examinaremos o modelo de Wrights primeiro e Crawfords, um pouco mais envolvido, em segundo. Modelo médio cumulativo de Wrights No modelo de Wrights, a função de curva de aprendizado é definida da seguinte maneira: em que: Y o tempo médio cumulativo (ou custo) por unidade. X o número acumulado de unidades produzidas. um tempo (ou custo) necessário para produzir a primeira unidade. b inclinação da função quando plotada em papel log-log. log da taxa de aprendizado / log de 2. Para uma curva de aprendizado 80 b log .8 / log 2 -.09691 / .301 -.32196 Se a primeira unidade exigisse 100 horas, a equação seria: A equação para o total acumulado de horas (ou custo) é encontrado multiplicando ambos os lados da equação média cumulativa por X. Desde X vezes X b X 1b. a equação é: Assim, a equação para o total de horas trabalhadas é, XY 100X 1-.322 100X .678 Uma curva de aprendizado de 80% significa que o tempo médio cumulativo (e custo) diminuirá em 20% a cada vez que a saída dobra. Em outras palavras, a nova média acumulada para a quantidade dobrada será 80 da média acumulada anterior, antes que a produção seja dobrada. Por exemplo, suponha que o custo de mão de obra direta custa 20 por hora no problema acima. As horas e custos médios acumulados, bem como o total acumulado de horas e custos são fornecidos abaixo para as quantidades dobradas de 1 a 8. Tabela 1: Exemplo de modelo de Wrights com uma curva de aprendizado 80 1 Resultado acumulado X 2 Horas totais de trabalho cumulativas XYh 3 Trabalho médio acumulado Horas Yh 4 Custo Total de Trabalho Cumulativo XYc Observe que as colunas médias acumuladas, 3 e 5, diminuem em 20 como a produção é o dobro, ou a nova média cumulativa é 80 da média cumulativa anterior. As colunas totais acumulativas 2 e 4 aumentam a uma taxa igual a duas vezes a taxa de aprendizagem, ou 160 neste caso. Como essas taxas de mudança permanecem constantes, as tabelas para quantidades duplicadas podem ser desenvolvidas facilmente. No entanto, para quantidades entre as quantidades duplicadas, as equações são necessárias. Por exemplo, suponha que a empresa produziu oito unidades conforme indicado na tabela. Quanto custará produzir dez unidades adicionais? Qualquer uma das equações para Y h. Y c. XY h ou XY c podem ser usados para resolver o problema. No entanto, trabalhar com a equação para o custo total cumulativo é a maneira mais rápida de obter a solução. A resposta é encontrada subtraindo-se o custo do primeiro 8 do custo de produzir o primeiro 18. Usando a equação para o custo total acumulativo gera a resposta em duas etapas da seguinte forma: custo do primeiro 18 XY c 2.000 (18) .678 14,194 Menos custo dos primeiros 8 -8,192 Custo de 10 unidades adicionais 6,002 Assim, produzir 10 unidades adicionais exigirá aproximadamente 6,002 de custo adicional de mão-de-obra direta. Modelo de Tempo de Unidade Incremental (ou Custo) Crawfords A equação usada no modelo de Crawford é a seguinte: onde: Y o tempo unitário incremental (ou custo) da unidade de ponto médio do lote. K o ponto médio algébrico de um lote ou lote de produção específico. X (isto é, o número acumulado de unidades produzidas) pode ser usado na equação em vez de K para encontrar o custo unitário de qualquer unidade em particular, mas determinar o custo unitário da última unidade produzida não é útil na determinação do custo de um lote de unidades. O custo unitário de cada unidade no lote teria que ser determinado separadamente. Obviamente, essa não é uma maneira prática de calcular o custo de um lote que pode envolver centenas ou até milhares de unidades. Uma abordagem prática envolve calcular o ponto médio do lote. O custo unitário da unidade do ponto médio é o custo unitário médio do lote. Assim, o custo do lote é encontrado calculando-se o custo da unidade central e multiplicando-se pelo número de unidades no lote. Como as relações não são lineares, o ponto médio algébrico requer a solução da seguinte equação: K L (1b) / (N2 1b - N1 1b) -1 / b onde: K o ponto médio algébrico do lote. L o número de unidades no lote. b log de taxa de aprendizagem / log de 2 N1 a primeira unidade no lote menos 1/2. N2 a última unidade no lote mais 1/2. Uma vez que Y c é determinado para o ponto médio algébrico de um lote, então o custo de todo o lote é encontrado multiplicando Y c pelo número de unidades no lote, conforme indicado acima. Um exemplo de uma curva de aprendizado de 80 por cento baseada no modelo de tempo unitário (ou custo) da Crawford pode ser desenvolvido da mesma maneira que desenvolvemos na Tabela 1, exceto que os valores unitários para as quantidades duplicadas diminuem em 20 em vez das quantidades médias acumuladas. Tabela 2: Exemplo de Modelo Crawford com uma Curva de Aprendizado 80 1 Resultado Cumulativo X 2 Unidade Incremental Horas de Trabalho Yh 3 Tempo Total de Trabalho Cumulativo Kh (Yh) Observe na Tabela 2 que as horas de mão de obra unitária (coluna 2) e custo unitário de trabalho (coluna 4) diminuir em 20 cada vez que a saída cumulativa for duplicada. No entanto, o total acumulado de horas de trabalho (coluna 3) e o custo total de trabalho acumulado (coluna 5) aumentam por uma taxa variável. Isso significa que as colunas 3 e 5 são muito mais difíceis de desenvolver. Isso também significa que o total acumulado de horas e custos gerados pelos dois modelos não é compatível quando baseado na mesma taxa de aprendizado. Por exemplo, compare a coluna 2 na Tabela 1 com a coluna 3 na Tabela 2. O total acumulado de horas para 8 unidades é de 409,6 com base no modelo de Wrights e 534,6 com base no modelo de Crawford. Outra diferença é que as horas médias acumuladas e o custo diminuem por uma taxa variável no modelo de Crawford. Isso não apresenta um problema ao usar o modelo Crawfords porque as médias acumuladas não são necessárias para prever o custo. Para ilustrar o uso da equação de ponto médio algébrico e a abordagem de Crawford, assuma que a empresa no exemplo acima produziu 2 unidades e quer determinar o custo de produzir 4 unidades adicionais. Uma maneira de encontrar a resposta é calcular o custo unitário de cada unidade de 3 a 6 e, em seguida, somar esses valores. Isso funciona razoavelmente bem para muitas 4 unidades, mas não seria uma maneira prática de determinar o custo de 40, 400 ou 4.000 unidades adicionais. O ponto médio do lote é: KL (1b) / (N2 1b - N1 1b) -1 / b 4 (0,678) / (6,5 67,8 - 2,5 6718) 1 / 0,322 2,712 / (3,55758 - 1,86124) 3,10559 4.2938 O custo da unidade de ponto médio é: Y c 2.000 (4.29385) -322 1.250,99 e o custo total para o lote de 4 4 (1.250,99) 5.005 Uma alternativa é usar a equação por horas como segue: Y h 100 ( 4,29855) -322 62,5494 horas Em seguida, o custo total para o lote de 4 é 4 (62,5494) (20) 5,004. Como encontrar a taxa de aprendizado quando as quantidades duplicadas não estão disponíveis As equações fornecidas acima mostram como usar a curva de aprendizado para prever o tempo e o custo de uma quantidade específica de unidades, assumindo que sabemos a taxa de aprendizado. Uma questão importante, ignorada até aqui, é como encontramos a taxa de aprendizado em primeiro lugar. Se temos dados para dois lotes de unidades, podemos encontrar a taxa de aprendizado usando equações simultâneas. Por exemplo, suponha que dois lotes foram produzidos, um lote continha 2 unidades e um segundo lote continha mais 4 unidades. Número de unidades no lote Podemos resolver a taxa de aprendizado usando o modelo de Wrights ou o modelo de Crawford, mas os procedimentos e as taxas de aprendizado são diferentes. Usando o Modelo de Wrights para encontrar a Taxa de Aprendizado: As equações para os 2 lotes são: Convertendo estas para as formas de log, temos: log 72 log a (1 b) (log 2) log 183 log a (1 b) (log 6) Calculando os valores de log indicados, temos: 1.8575 log a (1 b) (. 301) 2.2625 log a (1 b) (. 7782) 1.8575 log a .301 .301b 2.2625 log a .7782 .7782b Subtraindo a primeira equação da segunda equação fornece a seguinte equação que pode ser facilmente resolvida para b. 405 .4772 .4772b Substituindo b em qualquer uma das equações originais, a 40. Em seguida, a taxa de aprendizado é encontrada usando a equação para b, ou seja, b log de taxa de aprendizado / log de 2 -.151 Log of learning rate /. 301 log de taxa de aprendizagem -.151 (.301) -.04545 A taxa de aprendizagem do antilog 10 -.04545 .90 Assim, a equação para as horas médias acumuladas é: e a equação para o total acumulado de horas é: Usando o modelo Crawfords para encontrar A Taxa de Aprendizagem: Para encontrar a taxa de aprendizagem usando o modelo de Crawford, devemos encontrar o ponto médio algébrico para cada lote que é necessário nas equações que devem ser resolvidas simultaneamente. Nós não podemos usar a fórmula para K porque inclui o valor de b que é desconhecido. Assim, devemos usar as fórmulas intermediárias alternativas descritas por Liao, veja p. 309. O ponto central do primeiro lote é: A (L 1) / 3 .5 (21) / 3 .5 1.5 O ponto médio dos lotes subsequentes é: A (L / 2) unidades totais em todos os lotes anteriores 4/2 2 4 Após encontrar os pontos médios aproximados, podemos desenvolver duas equações, uma para cada lote da seguinte maneira: Encontre a média de horas para as unidades centrais: 72/2 36 para o ponto médio no lote 1. (183 - 72) / 4 27,75 para o ponto médio em lote 2. Então as equações são: Convertendo para as formas de log: log 36 log ab (log 1.5) log 27.75 log ab (log 4) 1.5563 log ab (.17609) 1.44326 log ab (.603) Alterando os sinais na equação 2 e depois adicionar as duas equações fornece: Então a é determinado: A equação para o tempo incremental da unidade é: A taxa de aprendizado é encontrada usando a equação para b como indicado acima no exemplo para o modelo de Wrights. b log da taxa de aprendizado / log de 2 -.2654 log da taxa de aprendizado / .301 Log da taxa de aprendizado (.301) (-. 2654) .079885 A taxa de aprendizado antilog .079885 .83198. Comparando as duas taxas de aprendizado, temos 0,90 para o modelo de Wrights e 0,832 para o modelo de Crawford. Isso reforça o fato de que os dois modelos não são compatíveis quando a mesma taxa de aprendizado é usada. Em outras palavras, o mesmo conjunto de dados sempre gerará duas taxas de aprendizado diferentes nos dois modelos separados, porque o tempo unitário e o tempo médio cumulativo não diminuem na mesma taxa. O melhor modelo é aquele que gera estimativas de tempo e custo mais próximas dos resultados reais. As curvas de aprendizado variam de cerca de 70 a 100. Uma curva de aprendizado abaixo de 70 é rara. Uma curva de aprendizado 100 indica ausência de aprendizado. Por outro lado, uma curva de aprendizado 50 indicaria que nenhum tempo ou custo adicional seria necessário para unidades adicionais além da primeira unidade, uma vez que o tempo médio acumulado (no modelo de Wrights) ou o tempo incremental da unidade (no modelo de Crawford) diminuir em 50 cada vez que a saída duplicou. Isso significa que o tempo total acumulado não aumentaria porque seria igual a 100 do tempo total cumulativo anterior. 1 O termo curva de experiência é mais um conceito macro, enquanto o termo curva de aprendizado é um conceito micro. O termo curva de experiência relaciona-se com a produção total ou a produção total de qualquer função, como fabricação, marketing ou distribuição. O desenvolvimento de curvas de experiência é atribuído ao trabalho de Bruce Henderson, do Boston Consulting Group, por volta de 1960. Liao, S. S. 1988. A curva de aprendizado: modelo de Wrights vs. modelo de Crawford. Questões em Educação Contábil (Outono): 302-315. Morse, W. J. 1972. Relatando custos de produção que seguem o fenômeno da curva de aprendizado. The Accounting Review (outubro): 761-773. (Link JSTOR). Para obter mais informações sobre os modelos de curva de aprendizado, consulte a Bibliografia da Curva de Aprendizagem. A curva de aprendizado para a herniorrafia totalmente extraperitoneal por meio da média móvel Mostrar reparo Ocultar a hérnia inguinal extraperitoneal (TEP) é tecnicamente desafiadora o suficiente para construir alto barreira à entrada. O objetivo deste estudo foi identificar os fatores clínicos que influenciam a dificuldade técnica com TEP laparoscópica de acordo com o período de aprendizagem. Métodos Foi realizado um estudo retrospectivo de 112 pacientes adultos submetidos a TEP laparoscópica para hérnia inguinal unilateral de janeiro de 2009 a setembro de 2013. Um caso tecnicamente difícil foi definido como os 70º percentis ou mais na curva de distribuição do tempo operatório, complicação maior ou conversão. Resultados A taxa de índice de massa corporal (IMC) acima de 25 kg / m2 foi significativamente maior no grupo difícil do que no grupo não-difícil no período de aprendizagem do TEP laparoscópico (57,9 vs. 26,8, respectivamente, P 0,020). No entanto, no período de experiência, não revelou diferença estatística com dificuldade técnica (31,3 vs. 33,3, respectivamente, P 0,882). Na análise multivariada, o IMC (25 kg / m2) foi identificado como um fator independente significativo para dificuldade técnica com a TEP laparoscópica no período de aprendizagem (odds ratio, 4,572 P 0,015). Conclusão O IMC do paciente (25 kg / m2) pode criar dificuldades técnicas com o TEP laparoscópico apenas no período de aprendizagem, mas não no período de experiência. Portanto, o IMC poderia ser aplicado como uma das diretrizes para a seleção de pacientes, especialmente para os cirurgiões na curva de aprendizado do TEP laparoscópico. Full-text Artigo Oct 2014 Byung Soo Parque Dong Yeon Ryu Gyung Mo Filho Yong Hoon Cho Mostrar resumo Ocultar resumo ABSTRACT: A modernidade da medicina A tecnologia da informação e da tecnologia da informação Spannungsfeld zwischen der fortschreitenden Entwicklung neuer Technologien und der parallen zunehmenden Einschrnkung finanzieller Ressourcen im Gesundheitswesen. Daher ist a wissenschaftliche Untermauerung neuer Technologien auch zunehmend aus dem Blickwinkel des eindeutigen Patientennutzens und der gesundheitskonomischen Relevanz der Einfhrung eines Therapieverfahrens in die klinische Praxis zu betrachten. Letztlich sollte der Anspruch der klinischen Está à sua espera, die Behandlung zu verbessern und damit dem Wohle der Patienten zu dienen. Capítulo Jan 2015 Anais de Tratamento Cirúrgico e Pesquisa Prof. Dr. med. Moritz WenteA Comparação da Análise da Curva de Aprendizagem e da Análise da Razão Média Móvel para o Planejamento Operacional Detalhado Este estudo testa o uso da análise da curva de aprendizado para o planejamento da produção no nível detalhado do componente sob várias condições, representadas por fatores de taxa de rotatividade do produto, taxa de aprendizado e níveis de variância e o tamanho do horizonte de planejamento. Ele também apresenta uma alternativa à análise da curva de aprendizado que considera a agregação de dados de custo ao longo do tempo. Essa alternativa é a revisão periódica dos dados de custo padrão usando previsões de média móvel para refletir as tendências de produtividade. Os resultados deste estudo indicam que, na maioria das circunstâncias, uma análise de média móvel pode fornecer melhores estimativas de custos de operações de componentes detalhados de curto prazo do que uma análise de curva de aprendizado ou uma análise padrão. Você quer ler o restante deste artigo. As variáveis dependentes correspondentes oferecidas foram preço (Chung, 2001), custo (Waring, 1991), produção (Yelle, 1979), rendimento (Chung, 2001) exigido (Dompere e Nti, 1991) ou outros. entrada (Dorroh et al. 1986). O uso de um modelo de poder foi geralmente aceito em (1) (Smunt, 1986) para estabelecer a taxa de aprendizado. Também existe um acordo geral sobre as variáveis independentes preferidas (número de unidades produzidas e investimento) e as variáveis dependentes preferidas (custo, produção e rendimento). "Show abstract Hide abstract" RESUMO: A energia global e os problemas ambientais estão aumentando em severidade. Os países do mundo todo estão mais preocupados e estão dando mais atenção ao fortalecimento de seus esforços de economia de energia e redução de emissões, protegendo o meio ambiente e promovendo o desenvolvimento de novas energias. A energia solar está se tornando a corrente principal da indústria de energia global por causa de seus recursos significativos e baixo custo. Este documento fornece uma visão geral sobre o estado atual da tecnologia de eletricidade fotovoltaica (fotovoltaica ou fotovoltaica) na China e aborda seu potencial para futuras reduções de custos. Este artigo analisa a relação entre os custos atuais de energia renovável e a produção cumulativa, os gastos de desenvolvimento e demonstração e outras influências institucionais. O arcabouço teórico de uma curva de aprendizado oferece uma metodologia completa para examinar a trajetória de custo de capital subjacente ao desenvolver estimativas de custo de eletricidade usadas em modelos de planejamento de políticas de energia. A produção cumulativa necessária para alcançar o ponto de equilíbrio (o ponto no qual a PV é competitiva com as alternativas convencionais) é estimada para uma faixa de valores de parâmetro da curva de aprendizado. O custo social (custos de poluição e imposto sobre valor agregado considerado) do PV é calculado, e a questão de se e como o limite de custo pode ser coberto é colocado, sendo este último a diferença entre o que esta produção cumulativa custará e o que seria custo se pudesse ser produzido em um nível atualmente competitivo. Também estimamos quanto PV poderia ganhar se os custos externos (atribuíveis a danos ambientais e à saúde) de energia fossem internalizados, como por meio de um imposto sobre energia. Usamos os resultados simulados para fornecer sugestões para a elaboração de políticas industriais PV relevantes. As variáveis dependentes correspondentes oferecidas foram o preço (Chung, 2001), o custo (Waring, 1991 Argote e Epple, 1990 Fauber, 1989 Camm et al. 1987), a produção (Yelle, 1979 Lieberman, 1984), rendimento (Chung, 2001 Gruber, 1994 Mody e Wheeler, 1987), trabalho requerido (Dompere e Nti, 1991 Gerchak e Parlar, 1990 Boucher, 1987 Roser e Sundby, 1985 Yelle, 1979 Liao e Noftsinger, 1977 Wright, 1936), ou alguma outra entrada (Dorroh e outros 1986). Houve um acordo geral sobre o uso de um modelo de potência (1) (Smunt, 1986a; Kantor e Zangwill, 1991) para estabelecer a taxa de aprendizado. Há também concordância geral sobre as variáveis independentes preferidas (número de unidades produzidas e investimento) e as variáveis dependentes preferidas (custo, produção e rendimento). A seleção de tecnologia de processo é tendenciosa contra a seleção de tecnologias de processos emergentes, como nanotecnologias, biotecnologia e microtecnologias (MEMS), uma vez que essas decisões são frequentemente baseadas em suposições que são válidas apenas para tecnologias maduras de processos de sustentação. Esta é uma grande preocupação, uma vez que as tecnologias de processos emergentes são impulsionadoras do crescimento econômico, especialmente nas economias desenvolvidas. Consideramos a literatura sobre a curva de aprendizado e a integramos com a literatura sobre trajetórias tecnológicas e inovação para desenvolver uma teoria para modelar a curva de aprendizado para tecnologias de processos emergentes. Novembro de 2004 Jonathan D. Linton e Steven T. Walsh Um método para modificar bancos de dados para análise de curva de aprendizado é agregar os dados do lote em intervalos de tempo maiores. Smunt (1986a) ilustrou que tal agregação de tempo poderia ser benéfica na previsão de tendências de aprendizagem sem o uso explícito da análise da curva de aprendizado quando a variância dos dados era alta. No estudo de Smuntx27, uma análise de simulação foi realizada para testar a precisão das predições, comparando um método de média móvel (que incorporou a agregação de dados de custo de alguns lotes) a uma análise típica de regressão de curva de aprendizado. Resumo: Embora a maioria das pesquisas anteriores sobre curvas de aprendizado e experiência examinem as melhorias de custo no nível do produto, investigamos o uso da análise da curva de aprendizado no nível detalhado de produção de componentes. Utilizando dados abrangentes de chão-de-fábrica de uma empresa comercial de médio porte, descobrimos que os dados confusos (ou seja, alto nível de variação de dados) nos níveis detalhados muitas vezes levam a uma redução na confiança dos tomadores de decisão nas estimativas das taxas de aprendizado. No entanto, também descobrimos que, aplicando métodos de agregação simples, poderíamos determinar melhor a precisão das taxas de curva de aprendizado previstas. O aumento da confiança nas estimativas da curva de aprendizado é possível pela comparação de estimativas de regressão feitas no nível de dados detalhados com aquelas feitas em vários níveis de dados agregados. Com base em nossa análise dos dados empíricos, somos capazes de fornecer insights sobre o uso prático da análise da curva de aprendizado e agregação de dados associada a dados confusos do chão de fábrica. Artigo em texto completo Jan 2003 Timothy L Smunt Charles A Watts
No comments:
Post a Comment