Aby obliczyć planowaną wielkość produkcji, należy uwzględnić zarówno pełnoetatowych pracowników, jak i tych zatrudnionych na pół etatu. W firmie zatrudnionych jest 6 pracowników na pełny etat, co przekłada się na 40 godzin pracy w tygodniu dla każdego z nich, co daje łącznie 240 godzin tygodniowo. Dodatkowo, 4 pracowników zatrudnionych na pół etatu pracują po 20 godzin tygodniowo, co daje dodatkowe 80 godzin. Łączny czas pracy w tygodniu wynosi zatem 320 godzin. W ciągu 22 dni roboczych, przy 5-dniowym tygodniu pracy, mamy 4,4 tygodni, co daje 140 godzin w miesiącu. Łączna wydajność pracy wynosi 15 sztuk na godzinę, co przy 320 godzinach pracy daje 4800 sztuk tygodniowo. Mnożąc przez 4,4 tygodnia, otrzymujemy planowaną wielkość produkcji wynoszącą 21 120 sztuk. Taki sposób kalkulacji jest standardem w zarządzaniu produkcją, ponieważ uwzględnia różne formy zatrudnienia oraz normy wydajności, co pozwala na efektywne planowanie i optymalizację procesów produkcyjnych.
Wybór niewłaściwej odpowiedzi może wynikać z kilku typowych błędów w obliczeniach i rozumieniu mechanizmów produkcyjnych. Często błędne podejście polega na zignorowaniu różnic w wymiarze czasu pracy w przypadku pracowników zatrudnionych na pół etatu. To prowadzi do zawyżenia lub zaniżenia obliczeń. Przykładowo, niektórzy mogą próbować policzyć wydajność zakładając, że wszyscy pracownicy pracują w tym samym wymiarze godzin, co prowadzi do błędnych wniosków. Dodatkowo, nie uwzględnienie normy wydajności, która w tym przypadku wynosi 15 sztuk na godzinę, skutkuje pomijaniem kluczowego elementu kalkulacji. Niezrozumienie, jak ważne jest uwzględnienie dni roboczych oraz sposobu ich przeliczenia na godziny pracy, to kolejny istotny problem. W kontekście produkcji ważne jest również zrozumienie, że każdy pracownik wnosi różny wkład w zależności od etatu, co powinno być fundamentem wszelkich analiz wydajności. Analizując planowanie produkcji, przedsiębiorstwa powinny stosować metody, które uwzględniają różnorodność zatrudnienia oraz rzeczywiste możliwości pracowników, aby unikać błędów w prognozowaniu i optymalizacji procesów.