Análisis de los rendimientos de mano de obra en rubros de mampostería en viviendas de dos plantas en la ciudad de Cuenca

Contenido principal del artículo

Luis Alberto Cruz Espinoza
José David Quizhpe Campoverde
Nayra Mendoza Enríquez

Resumen

Introducción.  El presente artículo se basa en el análisis de los rendimientos de mano de obra en rubros de mampostería en viviendas de la ciudad de Cuenca, éstos influyen directamente en la productividad y es la parte crucial de la economía de una nación. Los rendimientos utilizados en los presupuestos y programación de obras deben estar fundamentados en múltiples observaciones y análisis estadísticos, en las empresas dedicadas a la construcción muchas de las pérdidas económicas se ven afectadas principalmente por el factor humano y muchas veces no están identificados y cuantificados. Objetivo.  Analizar los rendimientos de mano de obra en rubros de mampostería en viviendas de hasta dos plantas en la ciudad de Cuenca, comparando los resultados con la información de la Cámara de la Construcción de Cuenca para generar estrategias de mejora del rendimiento. Metodología.  Este estudio se realizó en cuatro etapas: en la primera el levantamiento de información de datos y el cálculo de los rendimientos de mano de obra en rubros de mampostería, en la segunda etapa se realizó la comparación y análisis de datos con la Cámara de la Construcción de Cuenca, en la tercera etapa se realizó una revisión bibliográfica y se definió la estrategia para mejorar los rendimientos de mano de obra en rubros de mampostería, en la cuarta etapa se da recomendaciones de especificaciones técnicas y el correcto proceso constructivo de mampostería.  Resultados. A través de la metodología aplicada los resultados resaltan que de los cinco rubros de mampostería en estudio: ladrillo industrial, ladrillo artesanal, ladrillo visto, bloque de pómez y bloque mixto (pómez-hormigón) los rendimientos de mano de obra son inferiores a los de la Cámara de la Construcción de Cuenca, a excepción de ladrillo industrial. Conclusión.  Los rendimientos de mano de obra se ven afectados por algunos factores que inciden negativamente en la productividad, pero de los cuales, implementando la estrategia de capacitación a los obreros de la construcción, se espera una mejora significativa.

Descargas

La descarga de datos todavía no está disponible.

Detalles del artículo

Cómo citar
Cruz Espinoza, L. A., Quizhpe Campoverde, J. D., & Mendoza Enríquez, N. (2023). Análisis de los rendimientos de mano de obra en rubros de mampostería en viviendas de dos plantas en la ciudad de Cuenca. ConcienciaDigital, 6(1.1), 35-61. https://doi.org/10.33262/concienciadigital.v6i1.1.2462
Sección
Artículos

Citas

Abdelmasseh, R. M., Bassioni, H. A., & Gaid, E. F. (2022). Project Manager Skills affecting Construction Projects in Egypt. IOP Conference Series: Earth and Environmental Science, 1056(1). https://doi.org/10.1088/1755-1315/1056/1/012038
Anand, K. B., & Ramamurthy, K. (2003). Laboratory-Based Productivity Study on Alternative Masonry Systems. Journal of Construction Engineering and Management, 129(3), 237–242. https://doi.org/10.1061/(asce)0733-9364(2003)129:3(237)
Castro-Lacouture, F. (2014). Optical Crew Design for Masonry Construction Projects Considering Contactor´s Requirements and Workers ‘Needs. Construction Research Congress 2014, 2008, 140–149.
Edum-Fotwe, F. T., & McCaffer, R. (2000). Developing project management competency: Perspectives from the construction industry. International Journal of Project Management, 18(2), 111–124. https://doi.org/10.1016/S0263-7863(98)90075-8
El-Gohary, K. M., & Aziz, R. F. (2014). Factors Influencing Construction Labor Productivity in Egypt. Journal of Management in Engineering, 30(1), 1–9. https://doi.org/10.1061/(asce)me.1943-5479.0000168
Espinoza, E. (2016). Universo, muestra y muestreo, UIC, 1–23. Biblioteca Virtual en Salud de Honduras. http://www.bvs.hn/Honduras/UICFCM/SaludMental/UNIVERSO.MUESTRA.Y.MUESTREO.pdf
Florez, L., & Cortissoz, J. C. (2016). Defining a Mathematical Function for Labor Productivity in Masonry Construction: A Case Study. Procedia Engineering, 164(June), 42–48. https://doi.org/10.1016/j.proeng.2016.11.590
Giang, D. T. H., & Sui Pheng, L. (2011). Role of construction in economic development: Review of key concepts in the past 40 years. Habitat International, 35(1), 118–125. https://doi.org/10.1016/j.habitatint.2010.06.003
González Jorge, B. M. (2009). Capacitación en obra para obtener la polivalencia de los operarios y verificación de sus efectos en la construcción civil. Ca, 4(1), 88–100.
Holton, E. F., Swanson, R. A., & Naquin, S. S. (2008). Andragogy in Practice: Clarifying the Andragogical Model of Adult Learning. Performance Improvement Quarterly, 14(1), 118–143. https://doi.org/10.1111/j.1937-8327.2001.tb00204.x
Jarkas, A. M. (2010). Analysis and measurement of buildability factors affecting edge formwork labor productivity. Journal of Engineering Science and Technology Review, 3(1), 142–150. https://doi.org/10.25103/jestr.031.24
Jarkas, Abdulaziz, M., & Bitar, C. G. (2012). Factors Affecting Construction Labor Productivity in Kuwait. Journal of Construction Engineering and Management, 138(7), 811–820. https://doi.org/10.1061/(asce)co.1943-7862.0000501
Khanh, H. D., & Kim, S. Y. (2014). Determining labor productivity diagram in high-rise building using straight-line model. KSCE Journal of Civil Engineering, 18(4), 898–908. https://doi.org/10.1007/s12205-014-0521-3
Krishna Prasad, Kisi. (2015). Estimation of Optimal Productivity in Labor- Intensive Construction Operations. Doctoral Dissertation, Graduate College of the University of Nebraska. http://digitalcommons.unl.edu/constructiondiss%5Cnhttp://digitalcommons.unl.edu/constructiondiss/19
Krishna, Prasad. Kisi., Nirajam, Mani., Rojas, E. M., & Terence Foster, E. (2016). A Case Study on Estimating Optimal Labor Productivity. Construction Research Congress 2016: Old and New Construction Technologies Converge in Historic San Juan - Proceedings of the 2016 Construction Research Congress, CRC 2016, May 1762–1771. https://doi.org/10.1061/9780784479827.176
Muqeem, S., Idrus, A., Khamidi, M. F., Bin Ahmad, J., & Bin Zakaria, S. (2011). Construction labor production rates modeling using artificial neural network. Electronic Journal of Information Technology in Construction, 16(June), 713–726.
Naoum. S. G. (2016). Article information: Factors influencing labor productivity on construction sites. A state-of-the-art literature review and a survey. International Journal of Productivity and Performance Management.
Porntepkasemsant, P., & Charoenpornpattana, S. (2015). Factor affecting construction labor productivity in Thailand. IEOM 2015 - 5th International Conference on Industrial Engineering and Operations Management, Proceeding, 3–8. https://doi.org/10.1109/IEOM.2015.7093749
Puplampu, B. B. (2019). A Critical Look at Ghana’s Human Capital Development Agenda: Where Do We Go from Here? Contemporary Journal of African Studies, 6(2), 108–126. https://doi.org/10.4314/contjas.v6i2.5
Sanders, Steve., & Thomas, R. (1992). Factors Affecting Masonry-Labor Productivity. 117(4), 626–644.
Serpell, A. (1986). Productividad en la construcción. In Revista Ingeniería de Construcción (Vol. 1, pp. 53–59).
Sweis, G., Sweis, R., Abu Hammad, A., & Shboul, A. (2008). Delays in construction projects: The case of Jordan. International Journal of Project Management, 26(6), 665–674. https://doi.org/10.1016/j.ijproman.2007.09.009
Tam, N. Van. (2018). Factors Affecting Laboure Productivity of Construction Worker on Construction Site: A Case of Hanoi. Construction Research Congress, Winds of Change: Integration and Innovation in Construction, Proceedings of the Congress, 12(5), 25–32. https://doi.org/10.1061/40671(2003)4
Zabala, J. (2021, noviembre 30). Maestro seguro: capacitación de calidad a través del micro learning. Primicias. https://www.primicias.ec/noticias/patrocinado/maestro-seguro-capacitacion-de-calidad-a-traves-del-telefono-celular/

Artículos más leídos del mismo autor/a