Optimization of Artificial Aging of Rice in an Ecuadorian Plant: Process Study, Data Analysis, and Automation Proposal
DOI:
https://doi.org/10.70577/asce.v4i4.474Keywords:
Aged rice, Process control, Multiple regression, Data analytics, Quality.Abstract
This study focuses on optimizing the artificial aging process of rice through the integration of process analysis, data analytics, and industrial automation. The workflow of the aging area was mapped, and historical quality-control records—including moisture, broken grains, color, and temperature—were analyzed to identify critical variables influencing product stability. A multiple linear regression model was applied to predict recipe time, achieving a coefficient of determination of R²≈0.65 for training and 0.61 for testing, with a mean absolute error (MAE) of 4.46 hours and a mean squared error (MSE) of 26.9 hours squared. Results showed a strong correlation between broken grains at inlet and outlet (r≈0.98), confirming that raw material quality directly affects final product conformity. Additionally, an average offset of 4–7 °C was observed between the recipe setpoint and the actual rice temperature, attributed to thermal losses and operational variations. These findings indicate that process variability originates primarily from time–temperature management rather than grain properties. Overall, the study demonstrates that combining statistical modeling techniques and data analytics provides an objective foundation for improving product uniformity, reducing waste, and strengthening operational efficiency in rice aging operations.
Downloads
References
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
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Milton Iván Villafuerte López, Edison Eliceo Guano Trujillo, Ángel Moisés Avemañay Morocho
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
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.
