Avaliação do comportamento das curvas de aprendizado de soldadores: : produtividade média versus produtividade ideal

Miguel Luiz Ribeiro Ferreira; Bruno Sobral Macedo

doi:10.5585/exactaep.2021.19995

Authors

Miguel Luiz Ribeiro Ferreira Universidade Federal Fluminense https://orcid.org/0000-0002-8576-5672
Bruno Sobral Macedo Universidade Federal Fluminense https://orcid.org/0000-0003-0354-3695

DOI:

https://doi.org/10.5585/exactaep.2021.19995

Keywords:

Learning Curves. Welding Productivity. Industrial Pipes.

Abstract

This article aims to evaluate the performance of the models of potential and exponential curve of learning of a group of welders, in the welding of carbon steel pipes with the TIG process. In the study, two types of indicators were used: average productivity and baseline productivity. The sample grouped productivity data, in diameter ranges, according to the degrees of difficulty established by the ASME code Section IX. Data was adjusted to the potential and exponential models with the assistance of the Excel software "Solver" tool. Results revealed that the exponential model is the one that best represents learning. Average productivity data generated better quality adjustments compared to baseline productivity.

Downloads

Download data is not yet available.

Author Biographies

Miguel Luiz Ribeiro Ferreira, Universidade Federal Fluminense

Possui graduação em Engenharia Metalúrgica pela Universidade Federal Fluminense (1979), mestrado em Engenharia Metalúrgica e de Materiais pela Universidade Federal do Rio de Janeiro (1981) e doutorado em Engenharia (Engenharia de Produção) pela Universidade de São Paulo (1998) com estágio em Cranfield University Reino Unido. Foi professor titular da Universidade Federal Fluminense, atuando no Curso de Graduação em Engenharia Mecânica, programa de pós-graduação em engenharia civil e Mestrado Profissional em Montagem Industrial. Foi Coordenador Geral dos Cursos do PROMINP da Escola de Engenharia da UFF e Coordenador do Mestrado Profissional em Montagem Industrial. Ocupou o cargo de Coordenador dos Cursos de Pós Graduação Lato Sensu da Universidade Federal Fluminense, que é um órgão vinculado a Pró Reitoria de Pesquisa, Pós Graduação e Inovação e vários cargos da administração da UFF. Desenvolveu e coordenou vários programas de treinamento e capacitação para operários, técnicos e engenheiros na área de fabricação de equipamentos e montagem industrial. Atuou por muitos anos como engenheiro na indústria de fabricação de equipamentos e montagem de instalações industriais. Desenvolveu e coordenou projetos de pesquisa na área de fabricação de equipamentos e montagem industrial. Atualmente, aposentado, atua como professor e pesquisador no Mestrado Profissional em Montagem Industrial vinculado a Escola de Engenharia da UFF, desenvolvendo projetos de pesquisa com foco em produtividade na indústria de construção e montagem de instalações industriais. Da mesma forma, atua como engenheiro prestando atividades de consultoria a empresas que atuam nos ramos de fabricação de equipamentos e montagem industrial.

Bruno Sobral Macedo, Universidade Federal Fluminense

Possui graduação em engenheira de produção (2011), pós graduado em engenharia de construção naval (2015) e mestre em montagem industrial (Em andamento) com experiência de 12 anos na industria naval atuando como Engenheiro de campo na construção de módulos de plataforma, Engenheiro Orçamentista elaborando orçamentos para serviços de construção, montagem e na manutenção onshore e offshore de estruturas e Engenheiro de Planejamento performando atividades como preparação de EAP, controle de cronogramas de construção de embarcações, histogramas para controle de mão de obra.

References

Adrian, J. J. (2004). Construction Productivity: Measurement and improvement. Champagne. IL: Stipes Publishing.

Ammar, M., & Samy, M. (2015). Learning curve modelling of gas pipeline construction in Egypt. International Journal of Construction Management, 15, pp. 229-238.

Anzanello, M. (2004). Curvas de aprendizado como balizadoras da alocação de modelos de produtos a equipe de trabalhadores. (Dissertação Mestrado). Universidade Federal do Rio Grande do Sul, Rio Grande do Sul.

Anzanello, M., & Fogliatto, F. (2007). Curvas de aprendizado: estudo da arte e perspectivas de pesquisa. Gestão & Produção, 1, pp. 109 - 123.

Arditi, D., & Mochtar, K. (2000). Trends in productivity improvement in the U.S. construction industry. Construction Management Economics, 18, pp. 15 - 27.

ASME - American Society of Mechanical Engineers. (2010). ASME IX - Qualification Standard for Welding and Brazing Procedures, Welders, Brazers, and Welding and Brazing Operators . New York, New York, USA: American Society of Mechanical Engineers .

AWS - American Welding Society. (2002). Welding – Related Expenditures and Productivity Measurement in U.S. Manufacturing, Construction, and Mining Industries. American Welding Society.

Brockmann, C., & Brezinski, H. (2015). Experience curve effects in bridge construction. Procedia Economics and Finance, 21, pp. 563 - 570.

Cadaval Júnior, D., Duarte, E., & Paes, R. (2013). Curvas de aprendizado aplicadas a análise da produtividade de soldadores. Vetor, 23, pp. 29-38.

Carpinetti, L. C. (2010). Gestão da qualidade conceitos e técnicas (1 ed.). São Paulo, São Paulo, Brasil: Atlas S.A.

Chia, F. C. (2014). Construction and economic development: the case of Malaysia. International Journal of Construction Management, 12, pp. 23-35.

Chia, F. C., Skitmore, M., Runeson, G., & Bridge, A. (2012). An analysis of construction productivity in Malaysia. Construction Management and Economics, 30, pp. 1-15.

Corder, G., & Foreman, D. (2011). Nonparametric Statistics for Non-Statisticians: A Step-by-Step Approach. John Wiley & Sons.

Esteves, E. (2008). Regressão não-linear utilizando a ferramenta Solver do Microsoft Excel. . Tecnovisão, 18, pp. 1-13.

Everett, G., & Farghal, S. H. (March de 1997). Data Representation for Predicting Performance with Learning Curves. Journal of Construction Engineering and Management , pp. 46 - 52.

Ghoddousi, P., & Hosseini, M. R. (2012). survey of the factors affecting the productivity of construction projects in Iran. Technological and Economic Development of Economy. 18, pp. 99-116.

Gióia, A. L. (2015). Estimativa da Produtividade na Fabricação de Tubulações Industriais com Aplicação da Simulação de Monte Carlo. Dissertação de Mestrado, Universidade Federal Fluminense,Niterói, RJ, Brasil..

Hattingh, E., Van Waveren, C., & Chan, K. (2019). A learning Curve Theory Perspective on Projects: Ranking the Key Determinants to improve Project Efficiency. South African Journal of Industrial Engineering, 30(1), pp 37-53. South African Journal of Industrial Engineering,, 30, pp. 37 - 53.

Islam, M. A., & khadem, M. M. (2013). Productivity determinants in Oman construction industry. International Journal of Productivity and Quality Management, 12, pp. 426 - 448.

Ismail, R. (2015). Impact of foreign workers on labour productivity: analysis of firm level data. International Journal of Productivity and Quality Management, 16, pp. 36-53.

Jarkas, A. (2016). Learning effect on labour productivity of repetitive concrete masonry blockwork. Fact or fable? International Journal of Productivity and Performance Management, 65, pp. 1075 - 1090.

Kapelko, M., Horta, I., Camanho, A., & Lansink, A. (2015). Measurement of input-specific productivity growth with an application to the construction industry in Spain and Portugal. International Journal of Production Economics,, 166, pp. 64 - 71.

Lee, B., Lee, H., & Park, M. K. (2015). Influence Factors of Learning-Curve Effect in High-Rise Building Constructions. Journal of Construction Engineering and Management,, 141, p. 04015019.

Leite, M. (2012). A utilização das curvas de aprendizagem no planejamento da construção civil. Dissertação de Mestrado, Universidade Federal de Santa Catarina, Florianópolis, SC, Brasil.

Lobato, M. M. (2015). Utilização de misturas com argônio e CO2 na soldagem de arames tubulares em aço carbono ASTM A36. Dissertação de Mestrado, Universidade Federal Fluminense,Niterói, RJ, Brasil.

Loosemore, M. (2014). Improving construction productivity: a subcontractor’s perspective. Engineering Construction and Architectural Management, 21(3), pp. 245-260.

Mahamid, I. (2013). Contractors perspective toward factors affecting labor productivity in building construction. . Engineering, Construction and Architectural Management, 20(5), pp. 446-460.

Martins, J. F. (2011). Aplicação da Simulação de Monte Carlo e Hipercubo Latino na Estimativa da Produtividade no Processo de Soldagem por Eletrodo Revestidos.Tese de Doutorado, Universidade Federal Fluminense,Niterói, RJ, Brasil.

Martins, J. L., & FerreIra, M. L. (2013). Aplicabilidade de simulação utilizando os métodos de Monte Carlo e Hipercubo Latino na estimativa de produtiviade do processo de soldagem TIG. Em C. B. FABRICAÇÃO (Ed.), 7o CONGRESSO BRASILEIRO DE ENGENHARIA DE FABRICAÇÃO. Rio de Janeiro: COBEF. Acesso em 25 de outubro de 2020, disponível em http://www.abcm.org.br/anais/cobef/2013/PDFS/COBEF2013-0293.PDF

Mohallem, D., Tavares, M., Silva, P. G., & Freitas, R. (2008). Avaliação do coeficiente de variação como medida da precisão em experimentos com frangos de corte. Arquivo Brasileiro de Medicina Veterinária e Zootecnia, 60(2), pp. 449 - 453.

Naoum, S. (2016). Factors influencing labor productivity on construction sites. International Journal of Productivity and Performance Management, 65, pp. 401-421.

Nasirzadeh, F., & P. Nojedehi. (2013). Dynamic Modeling of labor productivity in construction projects. International Journal of Project Management, 31, pp. 903-911.

Ney, D. C. (2016). Aplicação da Metodologia Eletrônica para Monitoramento do Desempenho de Soldadores na Fabricação de Tubulações. Dissertação de Mestrado, Universidade Federal Fluminense,Niterói, RJ, Brasil.

Ney, D. C., & Ferreira, M. L. (2018). Agile Methodology to Performance Measure and Identification of Impact Factors in the Labour Productivity of Industrial Workers. U. Porto Journal of Engineering, 2, pp. 49 - 64.

Oliveira, J., Mendonsa, R., & Junior, P. A. (2015). Processos de Soldagem utilizados na construção do casco de um navio de estimulação. Instituto Federal Fluminense. Acesso em 2020, disponível em http://docplayer.com.br/12927785-Processos-de-soldagem-utilizados-na-construcao-do-casco-de-um-navio-de-estimulacao.html.

Panas, A., & Pantouvakis, J. (2017). On the use of learning curves for the estimation of construction productivity. International Journal of Construction Management. DOI: 10.1080/15623599.2017.1326302. doi:DOI: 10.1080/15623599.2017.1326302.

Pellegrino, R., & Constantino, N. (2018). An empirical investigation of the learning effect in concrete operations. Engineering, Construction and Architectural Management, 25, pp. 342 - 357.

Pellegrino, R., Constantino, N., Pietroforte, R., & Sancillo, S. (2012). Construction of multistory concrete structures in Italy: Patterns of productivity and learning curves. Construction Management and Economics, 30, pp. 103 - 115.

Piana, C., Machado, A., & Selau, L. (2009). Estatística Básica. (D. d. Pelotas, Ed.) Pelotas, Rio Grande do Sul: Universidade Federal de Pelotas.

PROMINP . (2009). Mapeamento do Estado da Arte da Tecnologia de Construção e Montagem. PROMINP – (Programa de Mobilização Nacional da Indústria do Petróleo e Gás Natural), Niterói.

PROMINP. (2010). Métricas de Desempenho da Indústria. Niterói, Rio de Janeiro , Brasil: PROMINP – (Programa de Mobilização Nacional da Indústria do Petróleo e Gás Natural).

Ralli, P., Panas, A., Pantouvakis, J., & Karagiannakidis, D. (2020). Investigation and Comparative Analysis of Learning Curve Models on Construction Productivity: The Case of Caisson Fabrication Process. Journal of Engineering, Project, and Production Management, 70, pp. 219 - 230.

Raman, A., & Varghese, A. (2016). Study on Labour Productivity by Learning Curve Effect. International Journal of Scientific Engineering and Researc, 4, pp. 11 - 13.

Santos, G. (2011). Análise da evolução da indústria naval . Trabalho de Conclusão de Curso. Rio de Janeiro., Rio de Janeiro, Brasil: Centro Universitário da Zona Oeste.

Shehata, M., & El - Gohary, K. (2011). Towards improving construction labor productivity and projects’ performance. Alexandria Engineering Journal, 50, pp. 321 - 330.

Silva, R. H., Dutra, J. C., Junior, R. G., & Cunha, T. V. (2007). Soldagem e sua automação na indústria de petróleo e gás – Recentes desenvolvimentos . Em 4. PDPETRO (Ed.), Campinas, São Paulo. Campinas, São Paulo: LABSOLDA/UFSC.

Srour, F., Kiomjiam, D., & Srour, I. .. (2018). Automating the Use of Learning Curve Models in Construction Task Duration Estimates. Journal of Construction Engineering and Management,, 144, p. 04018055.

Srour, F., Kiomjiam, D., & Srour, I. (2016). Learning Curves in Construction: A Critical Review and New Model. Journal of Construction Engineering and Management, 142, p. 06015004.

Stevenson, W. (2001). Estatística aplicada a administração. Harbra.

Stroieke, R. E., Anzanello, M. J., & Sanson, F. S. (jul/set. de 2013). Análise de conglomerados em curvas de aprendizado para formação de agrupamentos homogêneos de trabalhadores. Produção, 23.

Tabim, P. M. (2013). Estimativa da Produtividade em Dutos Terrestres com Aplicação da Simulação de Monte Carlo. Dissertação de Mestrado, Universidade Federal Fluminense,Niterói, RJ, Brasil..

Thomas , H. (2009). Construction Learning Curves. (ASCE, Ed.) Practice Periodical on Structural Design and Construction, 14, pp. 14 - 20.

Vogl, B., & Abdel-Wahab, M. (2015). Measuring the Construction Industry’s Productivity Performance: Critique of International Productivity Comparisons at Industry Level. Journal of Construction Engineering and Management, 141. Fonte: http://ascelibrary.org/doi/10.1061/%28ASCE%29CO.1943-7862.0000944

Zhang, D., Nasir, H., & Haas, C. (2017). Development of an internal benchmarking and metrics model for industrial construction enterprises for productivity improvement. Canadian Journal of Civil Engineering, 44, pp. 518-529.

Zhang, L., Zou, X., & Z. Kan, Z. (2014). Improved strategy for resource allocation in repetitive projects considering the learning effect. Journal of Construction Engineering and Management, 140, pp. 1 - 8.