Leren en productiviteit bij werknemers met een beperking: de juiste man op de juiste plaats.
In een krimpende arbeidsmarkt zoals België is het belangrijk dat zoveel mogelijk werknemers zo efficiënt mogelijk werken. Bij WAAK, een maatwerkbedrijf (voorheen beschutte werkplaats) in Kuurne, werken mensen met een beperking. Deze beperking limiteert de werknemer in hun taak. Echter is er een grote verscheidenheid aan beperkingen. De masterscriptie van Henri Moerkens onderzoekt de impact van een beperking op de leersnelheid en de productiviteit van werknemers.
Leercurves zijn wiskundige vergelijkingen die productiviteit en ervaring correleren. Wanneer een werknemer een taak voor de eerste keer uitvoert, heeft hij/zij hier veel tijd voor nodig. Al doende leert men en na enkele keren voert de werknemer dezelfde taak een sneller uit. Dit leerproces kan met leercurves in een aantal parameters gekwantificeerd worden. In de masterproef worden deze leercurves toegepast op werknemers met een beperking. Slechts één eerdere studie, van Pooley en Bump (1993), heeft dit reeds gedaan, waardoor het weinig onderzocht terrein is. Verder omvatte laatstgenoemde studie enkel personen met een mentale beperking, terwijl bij WAAK werknemers met een fysieke alsook mentale beperking aanwezig zijn.
Het onderzoek bestond uit twee delen. In het eerste deel onderzochten we de wiskundige formulering van leercurves. Aangezien er verschillende modellen bestaan, onderzochten we welk model er best past op onze unieke dataset. Hieruit volgde dat het hyperbolische model het meest geschikt is.
Het tweede, meer uitgebreide deel, keek specifiek naar de impact van een beperking op de leersnelheid en de output. De medewerkers bij WAAK hebben een grote verscheidenheid aan beperkingen. Om de impact van een beperking te begrijpen werden de werknemers ingedeeld in vier categorieën. Deze staan hieronder omschreven:
- Werknemers met een beperking aan de onderste ledematen en romp
- Werknemers met een beperking aan de bovenste ledematen
- Werknemers met een psychologische uitdaging
- Werknemers met een mentale beperking
Bij WAAK worden kabelbomen geproduceerd. Dit zijn elektrische circuits in allerhande toestellen, van wasmachines tot wagens. Een werknemer dient elektrische draden aan connectoren te bevestigen zodat deze kabelbomen gemakkelijk in een toestel kunnen worden ingebouwd. In het onderzoek worden productietijden van vier kabelbomen geanalyseerd, met soortgelijke moeilijkheid en productietijd.
Met behulp van de data werden individuele leercurves opgesteld voor elke werknemer. Aan de hand van de parameters konden we goed de impact van een beperking op de leersnelheid en productiviteit analyseren. De impact van een beperking op de leersnelheid was niet statistisch significant. Dit betekent dat we op basis van de data geen verschillen konden opmerken. De impact van een beperking op de output was wel statistisch significant. Werknemers met een beperking aan de onderste ledematen en romp hadden de hoogste output, gevolgd door werknemers met een beperking aan de bovenste ledematen. De werknemers met een cognitieve beperking hadden de laagste productiviteit.
De resultaten zijn frappant. Een diagnose van ADHD of autisme is vaak gelinkt met een leerstoornis. In onze resultaten zien we echter niet dat deze groep trager leert. Bij een moeilijkere taak of een grotere steekproef zouden de resultaten mogelijks wel significant worden. Doch, wanneer volleerd, heeft deze groep nog steeds de laagste productiviteit. Werknemers met een beperking aan de onderste ledematen en romp hebben de hoogste productiviteit. Alle werknemers voeren hun taak zittend uit, hun beperking heeft dus weinig limitaties op de uit te voeren taak.
De classificatie van de werknemers in de verschillende groepen was soms ambigu. De overheid gebruikt een andere classificatie. Zij maken een classificatie volgens impact van de beperking. Werknemers met een zware beperking worden meer gesubsidieerd dan werknemers met een lichtere beperking. Men zou dan verwachten dat werknemers met een middelzware beperking een hogere productiviteit hebben dan werknemers met een zware beperking. Echter was dit niet het geval. Op basis hiervan kunnen we hun classificatie in vraag de stellen.
Het doel van maatwerkbedrijf WAAK is om iedereen aan het werk te hebben, ook werknemers met een zware beperking en/of een lage productiviteit. Het bedrijf wil competitief zijn, dus werknemers horen op een optimale manier ingezet worden. Bij de productie van kabelbomen zien we een duidelijk verschil in productiviteit tussen werknemers met een beperking aan de onderste ledenmaten en romp in vergelijking met werknemers met een mentale beperking. Het is dus optimaal om vooral de eerstgenoemde groep aan de productie van kabelbomen te laten werken. De werknemers met een mentale beperking worden best ingezet op een taak waar het verschil tussen de twee groepen minimaal is.
Bibliografie
Aarons, M., & Gittens, T. (2002). The Handbook of Autism: A Guide for Parents and Professionals. Routledge.
Anzanello, M. J., & Fogliatto, F. S. (2007). Learning curve modelling of work assignment in mass customized assembly lines. International Journal Of Production Research, 45(13), 2919–2938. https://doi.org/10.1080/00207540600725010
Anzanello, M. J., & Fogliatto, F. S. (2011). Learning curve models and applications: Literature review and research directions. International Journal Of Industrial Ergonomics, 41(5), 573–583. https://doi.org/10.1016/j.ergon.2011.05.001
Argote, L. (1999). Organizational Learning: Creating, Retaining and Transferring Knowledge. http://ci.nii.ac.jp/ncid/BB18134700
Association, A. P. (2013). Diagnostic and Statistical Manual of Mental Disorders. https://doi.org/10.1176/appi.books.9780890425596
Association, N. A. P. (2022). Diagnostic and Statistical Manual of Mental Disorders. https://doi.org/10.1176/appi.books.9780890425787
Badiru, A. B. (1992). Computational survey of univariate and multivariate learning curve models. IEEE Transactions On Engineering Management, 39(2), 176-188. https://doi.org/10.1109/17.141275
Conway, R. W., & Schultz, A. (1959). The manufacturing progress function. Journal of Industrial Engineering, 10, 39-53.
DuPaul, G. J., & Volpe, R. J. (2009). ADHD and learning disabilities: Research findings and clinical implications. Current Attention Disorders Reports, 1(4), 152–155. https://doi.org/10.1007/s12618- 009-0021-4
Eden, C., Williams, T. M., & Ackermann, F. (1998). Dismantling the learning curve: the role of disruptions on the planning of development projects. International Journal Of Project Management, 16(3), 131–138. https://doi.org/10.1016/s0263-7863(97)00053-7
Globerson, S., Levin, N., & Shtub, A. (1989). The Impact of Breaks on Forgetting When Performing A Repetitive Task. Iie Transactions, 21(4), 376-381. https://doi.org/10.1080/07408178908966244
Glock, C. H., Grosse, E. H., Jaber, M. Y., & Smunt, T. L. (2019). Applications of learning curves in production and operations management: A systematic literature review. Computers & Industrial Engineering, 131, 422-441.
Guimaraes, B., & Martins, B. B. L. B. (2016). Job accommodation of people with disabilities in the construction industry: Analysis of production and absence. In CRC Press eBooks (pp. 621-626). https://doi.org/10.1201/b21172-116
Jaber, M. Y. (2016). Learning curves: Theory, Models, and Applications. CRC Press
Jaber, M. Y., & Guiffrida, A. L. (2004). Learning curves for processes generating defects requiring reworks. European Journal of Operational Research, 159(3), 663-672.
Jaber, M. Y., & Guiffrida, A. L. (2008). Learning curves for imperfect production processes with reworks and process restoration interruptions. European journal of operational research, 189(1), 93-104.
Knecht, G. (1974). Costing, technological growth and generalized learning curves. Operations Research Quarterly 25 (3), 487-491
Levy, F. K. (1965). Adaptation in the Production Process. Management Science, 11(6), B-154. https://doi.org/10.1287/mnsc.11.6.b136
Lieberman, M. B. (1984). The Learning Curve and Pricing in the Chemical Processing Industries. The RAND Journal Of Economics, 15(2), 213. https://doi.org/10.2307/2555676
Mazur, J. E., & Hastie, R. (1978). Learning as accumulation: A reexamination of the learning curve. Psychological Bulletin, 85(6), 1256-274. https://doi.org/10.1037/0033-2909.85.6.1256
Nembhard, D. A., & Uzumeri, M. (2000). An individual-based description of learning within an organization. IEEE Transactions On Engineering Management, 47(3), 370-378. https://doi.org/10.1109/17.865905
Öztemel, E., & Gürsev, S. (2018). Literature review of Industry 4.0 and related technologies. Journal Of Intelligent Manufacturing, 31(1), 127-182. https://doi.org/10.1007/s10845-018-1433-8
Pooley, J. M., & Bump, E. A. (1993). The Learning Performance and Cost Effectiveness of Mentally Disabled Workers. Group & Organization Management, 18(1), 88–102. https://doi.org/10.1177/1059601193181006
Rutter, M., Greenfeld, D. A., & Lockyer, L. (1967). A Five to Fifteen Year Follow-Up Study of Infantile Psychosis. The British Journal Of Psychiatry, 113(504), 1183-1199. https://doi.org/10.1192/bjp.113.504.1183
Shahzadi, I., Javed, A., Pirzada, S. S., Nasreen, S., & Khanam, F. (2014). Impact of Employee Motivation on Employee Performance. European Journal Of Business And Management, 6(23), 159-166. https://iiste.org/Journals/index.php/EJBM/article/view/14794/15276
Smith, M. (2017). Hyperactive Around the World? The History of ADHD in Global Perspective. Social History Of Medicine, hkw127. https://doi.org/10.1093/shm/hkw127
Teng, J., & Thompson, G. L. (1983). Oligopoly Models for Optimal Advertising When Production Costs Obey a Learning Curve. Management Science, 29(9), 1087-1101. https://doi.org/10.1287/mnsc.29.9.1087
Tilindis, J., & Kleiza, V. (2017). Learning curve parameter estimation beyond traditional statistics. Applied Mathematical Modelling, 45, 768-783.
World Health Organization. (2001). International Classification of Functioning, Disability and Health. https://iris.who.int/bitstream/handle/10665/42407/9241545429.pdf?sequence=1
World Health Organization, (2019/2021) International Classification of Diseases, Eleventh Revision (ICD-11) 2019/2021 https://icd.who.int/browse11
Wright, T. P. (1936). Factors Affecting the Cost of Airplanes. Journal Of The Aeronautical Sciences (Institute Of The Aeronautical Sciences), 3(4), 122-128. https://doi.org/10.2514/8.155
Zhang, W., Wei, Z., Wang, B., & Xiao, H. (2016). Measuring mixing patterns in complex networks by Spearman rank correlation coefficient. Physica A: Statistical Mechanics And Its Applications, 451,440-450. https://doi.org/10.1016/j.physa.2016.01.056
