Optimización del envejecimiento artificial del arroz en una planta ecuatoriana: estudio de procesos, análisis de datos y propuesta de automatización
DOI:
https://doi.org/10.70577/asce.v4i4.474Palabras clave:
Arroz envejecido; Control de procesos; Regresión múltiple; Analítica de datos; Calidad.Resumen
El estudio aborda la optimización del proceso de envejecimiento artificial del arroz mediante la integración del análisis de procesos, la analítica de datos y la automatización industrial. Se mapeó el flujo del área de envejecimiento y se analizaron registros históricos de control de calidad que incluyen humedad, quebrado, color y temperatura, con el propósito de identificar las variables críticas que inciden en la estabilidad del producto. Para ello, se aplicó un modelo de regresión lineal múltiple orientado a predecir el tiempo de receta, alcanzando un coeficiente de determinación R²≈0,65 en entrenamiento y 0,61 en prueba, con un error medio absoluto (MAE) de 4,46 horas y un error cuadrático medio (MSE) de 26,9 horas cuadradas. Los resultados evidencian una fuerte correlación entre el quebrado de ingreso y el de salida (r≈0,98), lo que confirma que la calidad de la materia prima influye directamente en la conformidad del producto final. Asimismo, se identificó un desacople promedio de 4–7 °C entre la temperatura de receta y la temperatura real del arroz, asociado a pérdidas térmicas y variaciones en la operación. Estos hallazgos indican que la variabilidad del proceso no proviene principalmente de las condiciones del grano, sino de la gestión tiempo–temperatura durante el envejecimiento. En conjunto, el estudio demuestra que la combinación de técnicas de modelado estadístico y análisis de datos proporciona una base objetiva para mejorar la uniformidad, reducir el desperdicio y fortalecer la eficiencia operativa en el procesamiento de arroz envejecido.
Descargas
Citas
1. Andrade, R., Urioste, S., Lourido, D., Vergara, J. D., Marín, D., Loaiza, K., Moná, A., García, C., Graterol Matute, E. J., & Labarta, R. (2022). Rice Observatory: Monitoring survey and open access data for the rice sector version 1.0. Rice Observatory.
2. Belt, W. (2020). Algoritmos y estructuras de datos en Python Un enfoque ágil y estructurado (A. Molina, Ed.; Primera). UADER.
3. Cabezón Gutiérrez, S., & Blas Zurro, J. I. de. (2014). Control de Calidad en la Producción Industrial. http://uvadoc.uva.es/handle/10324/13153
4. Condor, E. E., & Rocca, M. A. (2020). Algoritmos resueltos con Python (Vol. 1). EIDEC. https://doi.org/10.34893/6kbn-5a63 DOI: https://doi.org/10.34893/6KBN-5A63
5. Cuatrecasas, L. (2005). Gestión Integral de la Calidad: Implantación, Control y Certificación (X. Jordi, Ed.; Tercera). Planeta DeAgostini Profesional y Formación. https://www.academia.edu/34412668/Gesti%C3%B3n_Integral_de_la_Calidad_Llu%C3%ADs_Cuatrecasas
6. Deng, Y., & Lyu, Q. (2020). Establishment of evaluation and prediction system of comprehensive state based on big data technology in a commercial blast furnace. ISIJ International, 60(5), 898-904. https://doi.org/10.2355/isijinternational.ISIJINT-2019-545 DOI: https://doi.org/10.2355/isijinternational.ISIJINT-2019-545
7. Diego, M., Sergio, U., Roberto, C., Marcelo, C., Paulina, P., Dagguin, A., Ricardo, L., & Robert, A. (2021). Caracterización del sector arrocero en Ecuador 2014-2019: ¿Está cambiando el manejo del cultivo? Centro Internacional de Agricultura Tropical (CIAT); Fondo Latinoamericano para Arroz de Riego (FLAR); Ministerio de Agricultura y Ganadería (MAG) de Ecuador; Instituto Nacional de Investigaciones Agropecuarias (INIAP) de Ecuador, 58. https://cgspace.cgiar.org/bitstream/handle/10568/113781/Marin%20et%20al%202021%20BIOCIAT%20--%20Caracterizacion%20arroz%20Ecuador%202014%202019.pdf?sequence=1&isAllowed=y
8. Dorf, R., & Bishop, R. (2005). Sistema de control moderno. PEARSON EDUCACION, S.A.
9. Fuentes, R. (2015). Análisis de variables múltiples. https://revistachilenadeanestesia.cl/analisis-de-variables-multiples/ DOI: https://doi.org/10.25237/revchilanestv44n01.10
10. Hernández-Pedrera, C., & Da Silva-Portofilipe, F. (2016). Aplicación del control estadístico de procesos (CEP) en el control de su calidad. Tecnología Química, XXXVI(1), 130-145. https://www.redalyc.org/articulo.oa?id=445543786011
11. IICA. (2022). Guía para la elaboración de diagramas de flujo de los procesos institucionales. Instituto Interamericano de Cooperación para la Agricultura.
12. INEN. (2014). GRANOS Y CEREALES. ARROZ PILADO. REQUISITOS. En INSTITUTO ECUATORIANO DE NORMALIZACION. https://www.normalizacion.gob.ec/buzon/normas/nte_inen_1234-1.pdf
13. Infoagro. (2019). El Cultivo del Arroz. https://www.infoagro.com/herbaceos/cereales/arroz.htm
14. Jeong, J. H., Woo, J. H., & Park, J. G. (2020). Machine Learning Methodology for Management of Shipbuilding Master Data. International Journal of Naval Architecture and Ocean Engineering, 12, 428-439. https://doi.org/10.1016/j.ijnaoe.2020.03.005 DOI: https://doi.org/10.1016/j.ijnaoe.2020.03.005
15. Manobanda, W. G., Castro, D. S., Vallejo, H. V., & Carrera, C. F. (2019). MEJORAMIENTO CONTINUO DE PROCESOS DE CALIDAD (Primera). Grupo Compás.
16. Núñez, M., & Sarmiento, A. R. (2014). Metodología para el Estudio de Procesos de Producción de Bienes y Servicios: Optimizando el Uso de Recursos. Revista Expresión Tecnológica. IUTC, 3(2), 86. http://bdigital.ula.ve/storage/pdf/expretecno/v3n2/art05.pdf
17. Ochoa Sangrador, C., Molina Arias, M., & Ortega Páez, E. (2023). Análisis multivariante. Regresión lineal múltiple. http://www.evidenciasenpediatria.es
18. Pinciroli, M., Ponzio, N. Raquel., & Salsamendi, Mait. (2015). El arroz: alimento de millones. D - Editorial de la Universidad Nacional de La Plata. http://www.faa.unicen.edu.ar/archivos/Arroz_Alimento_de_millones.pdf
19. Plan V. (2021, octubre 21). Ecuador: la eterna batalla por el precio del arroz. https://www.planv.com.ec/historias/sociedad/ecuador-la-eterna-batalla-el-precio-del-arroz
20. Rojo, J. M. (2017). Regresión lineal múltiple. http://humanidades.cchs.csic.es/cchs/web_UAE/tutoriales/PDF/Regresion_lineal_multiple_3.pdf
21. Romero, J. V. (2019). Aprende Python desde cero a expero. Leanpub. http://leanpub.com/aprende-python
22. Sadiku, M. N. O., Ashaolu, T. J., Ajayi-Majebi, A., & Musa, S. M. (2020). Big Data in Food Industry. International Journal Of Scientific Advances, 1(3). https://doi.org/10.51542/ijscia.v1i3.5 DOI: https://doi.org/10.51542/ijscia.v1i3.5
23. Saikrishna, A., Dutta, S., Subramanian, V., Moses, J. A., & Anandharamakrishnan, C. (2018). Ageing of rice: A review. Journal of Cereal Science, 81, 161-170. https://doi.org/10.1016/j.jcs.2018.04.009 DOI: https://doi.org/10.1016/j.jcs.2018.04.009
24. Silos Cordoba. (2021). Almacenamiento del arroz para proteger su calidad :Recomendaciones para el almacenamiento del arroz en un silo metálico. https://gandariaspain.com/es/blog-es/almacenaje-de-grano/recomendaciones-para-el-correcto-almacenamiento-del-arroz-en-un-silo-metalico/
25. Uribe Gómez, J. (2021). Fundamentos de control estadístico de procesos para gestores y administradores tecnológicos. https://doi.org/10.22430/9789585122352 DOI: https://doi.org/10.22430/9789585122352
26. Weichert, D., Link, P., Stoll, A., Rüping, S., Ihlenfeldt, S., & Wrobel, S. (2019). A review of machine learning for the optimization of production processes. International Journal of Advanced Manufacturing Technology, 104(5-8), 1889-1902. https://doi.org/10.1007/s00170-019-03988-5 DOI: https://doi.org/10.1007/s00170-019-03988-5
27. Zhu, X., Yang, J., Huang, Q., & Liu, T. (2022). A Review on Pollution Treatment in Cement Industrial Areas: From Prevention Techniques to Python-Based Monitoring and Controlling Models. En Processes (Vol. 10, Número 12). MDPI. https://doi.org/10.3390/pr10122682 DOI: https://doi.org/10.3390/pr10122682
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 Milton Iván Villafuerte López, Edison Eliceo Guano Trujillo, Ángel Moisés Avemañay Morocho
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Eres libre de:
- Compartir : copiar y redistribuir el material en cualquier medio o formato
- Adaptar : remezclar, transformar y desarrollar el material
- El licenciante no puede revocar estas libertades siempre y cuando usted cumpla con los términos de la licencia.
En los siguientes términos:
- Atribución : Debe otorgar el crédito correspondiente , proporcionar un enlace a la licencia e indicar si se realizaron cambios . Puede hacerlo de cualquier manera razonable, pero no de ninguna manera que sugiera que el licenciante lo respalda a usted o a su uso.
- No comercial : no puede utilizar el material con fines comerciales .
- CompartirIgual — Si remezcla, transforma o construye sobre el material, debe distribuir sus contribuciones bajo la misma licencia que el original.
- Sin restricciones adicionales : no puede aplicar términos legales ni medidas tecnológicas que restrinjan legalmente a otros hacer algo que la licencia permite.
