CONTROL DE CALIDAD DE PRODUCTOS

AGROINDUSTRIALES (TA-543)

IV
Msc. EUSEBIO DE LA CRUZ FERNANDEZ
DOCENTE DE LA ESCUELA PROFESIONAL DE INGENIERIA AGROINDUSTRIAL

- UNSCH
FIQM

15/09/2020
2020 1
AYACUCHO - PERU
 PRÁCTICA N° 4
LA ESTADISTICA EN EL CONTROL DE CALIDAD
AGROINDUSTRIAL.

OBJETIVOS

 Dar a conocer a los estudiantes la importancia de la

estadística en el Control de Calidad durante la
producción de bienes.
 Interpretación de los resultados de las mencionadas
técnicas.

15/09/2020 2
A.- Métodos Oficiales de Análisis CCAIO
Se agrupan en 12 grandes grupos:

 Métodos de análisis de alimentos para animales

(forrajes…)
 Métodos de análisis de aguas
 Métodos de análisis de cereales
Métodos de análisis de fertilizantes
Métodos de análisis de residuos de productos
fitosanitarios
Métodos de análisis de residuos de productos veterinarios
Métodos de análisis de productos alimenticios
Métodos de análisis de productos cárnicos
Métodos de análisis de materias grasas
Métodos de análisis de productos lácteos
Métodos de análisis de vinos, zumos y mostos de uva
Métodos de análisis de productos de la pesca

15/09/2020 3
 B.- ¿POR QUÉ VARÍAN LOS PROCESOS?
Un proceso agroindustrial está sometido a una serie de factores de carácter
aleatorio que hacen imposible fabricar dos productos exactamente iguales.

Las características del producto fabricado no son uniformes y presentan

variabilidad.

Esta variabilidad es indeseable y el objetivo es reducirla o mantenerla

dentro de los límites establecidos.

El CEP es una herramienta útil para alcanzar este segundo objetivo. Dado
que su aplicación es en el momento de la fabricación, podemos decir que esta
herramienta contribuye a la mejora de la calidad de la fabricación.

Permite también aumentar el conocimiento del proceso lo cual en algunos

casos puede dar lugar a la mejora del mismo.

15/09/2020 4
 ¿POR QUÉ VARÍAN LOS PROCESOS?

15/09/2020 5
 Causas de variabilidad

15/09/2020 6
 Causas de variabilidad
La estrategia básica para la mejora de la calidad pasa por la
identificación de las causas que producen variabilidad, las cuales
según Shewhart (1931) las clasificó en:

a. Causas comunes o aleatorias: Son las que provocan la

llamada variabilidad natural del proceso y obedecen a un
comportamiento aleatorio.

b. Causas especiales o atribuibles: Son aquellas que cuando

están presentes tienen un efecto significativo en el
desempeño del proceso. Este efecto se refleja eventualmente
en el patrón que presentan los puntos graficados en la carta
de control.

15/09/2020 7
La variabilidad de las causas comunes o aleatorias es el
reflejo de cientos de causas pequeñas que actúan de manera
conjunta, y que no es posible identificar alguna en especial.

La variación excesiva debida a causas comunes se resuelve

cambiando la tecnología de modo que la eliminación de las
causas comunes es la tecnología, de modo que la eliminación de
las causas comunes es responsabilidad de la empresa.

La variabilidad de las causas especiales o atribuibles se

deben típicamente a aspectos tales como: materiales,
instrumentos de medición, máquinas, métodos entre otros.

La eliminación de las causas especiales es más sencilla ya que

básicamente son responsabilidad del operario.
15/09/2020 8
Por definición, se dice que un proceso está bajo control
estadístico cuando no hay causas especiales presentes. O
equivalentemente cuando únicamente actúa un sistema de
causas de variabilidad común.

El CEP se basa en analizar la información que aporta el proceso

para detectar la presencia de causas especiales y habitualmente
se realiza mediante una construcción gráfica denominada (GC).

Si el proceso se encuentra bajo control estadístico es posible

realizar una predicción del intervalo en el que se encontrarán las
características del producto fabricado o elaborado.

15/09/2020 9
 MEDIDAS DE VARIABILIDAD

Considere un proceso de producción de

engranes en estado de control, para el cual
la característica de calidad es el diámetro de
los engranes en mm.

Se selecciona aleatoriamente una muestra

de tamaño n de entre los engranes
fabricados por el proceso, en un día de
producción.

Medida de variabilidad en una muestra.

¿Proporción de engranes en la muestra que

tienen un diámetro menor a 19.8 mm?
¿Qué proporción de engranes en la muestra
cumple con la especificación de
20 ± 0.2 mm?

15/09/2020 10
Inicio del CEP

Esta parte se refiere al uso de las bases de la estadística que consiste en la

información recopilada como debemos de tratarla para tener la información
requerida y proponer una acción técnica. A continuación, trataremos algunos
típicos:

15/09/2020 11
15/09/2020 12
¿Qué es la estadística descriptiva?
La estadística descriptiva es la rama de la estadística que recolecta, analiza
y caracteriza un conjunto de datos (peso, beneficios diarios de una empresa,
temperatura, etc.), con el objetivo de describir las características y
comportamientos de dicho conjunto mediante medidas de resumen, tablas o
gráficos.

15/09/2020 13
 VARIABLES ESTADÍSTICAS
Una variable estadística es el conjunto de valores que puede tomar cierta
característica de la población sobre la que se realiza el estudio estadístico y
sobre la que es posible su medición. Estas variables pueden ser: la edad, el
peso, volumen, color, tiempo, temperatura, etc.
Las variables estadísticas se pueden clasificar por diferentes criterios. Según
su medición existen dos tipos de variables:

VARIABLES CUALITATIVAS
TIPOS DEFINICIÓN EJEMPLOS
Variables cualitativa cuyas categorías no siguen  Color, olor, otros.
NOMINAL
ningún orden.  Lateralidad (zurdo, diestro)

• Nota de una evaluación (A, B y C).

ORDINAL Son las variables categóricas con orden o jerarquía • Nivel económico (Rico, medio y pobre).
• Medalla deportiva (oro, plata y bronce).

Es un caso particular de variable nominal con solo

dos categorías. Si las dos categorías determinan
dos estados cualesquiera (ejemplo: sexo) se
• Sexo (varón y mujer).
BINARIA O DICOTÓMICA denomina binaria simétrica. Si el 1 determina la
• Enfermo (si o no)
presencia de una característica y el 0 su ausencia
(ejemplo: depresión, enfermedad,…) la variable se
denomina binaria asimétrica.

15/09/2020 14
 VARIABLES CUANTITATIVAS

TIPOS DEFINICIÓN EJEMPLOS

La variable solo puede tomar valores en número • Canastas en un partido de basquetbol

Discreta determinado de valores. En cada intervalo de valores la (20, 30, etc.).
variable solo puede tomar un valor. • Hijos por familia (1, 2, 3, etc.).

La variable puede adquirir cualquier valor dentro de un • Peso ( g, Kg, lib, onzas, etc.)
Continua
intervalo de valores determinado. • Volumen (L, ml, cc, etc.)

Desviación estándar

15/09/2020 15
La empresa Agroindustrial “Misky Sur” produce gelatina en polvo, siendo uno
de sus productos representativos la de Pitajaya. El responsable de control de
calidad, a diario controla el peso de las bolsas del producto terminado. El peso
establecido es de 125 g. por bolsa, con una tolerancia de ± 5 g. Los pesos se
registran en el punto de pesado-embolsado, se obtiene una tabla como el que
se le muestra y explique su apreciación técnica al respecto.
A 122 119 118 119 120 127 118 128 122 120
B 119 127 119 120 127 120 124 122 127 123
C 125 118 118 120 118 123 124 123 125 123
D 120 121 120 122 123 125 126 125 128 124
E 125 122 123 122 122 123 125 121 125 124
F 126 122 124 122 120 125 128 125 126 125
G 125 119 123 123 125 126 125 122 125 127
H 123 125 123 126 125 125 127 123 126 126
I 118 127 128 126 126 124 127 124 120 118
J 120 130 125 126 125 124 120 125 120 119

Solución: CALCULOS PREVIOS Observaciones

N° DATOS 100
Limite inferior 118
Limite superior 130
Rango o Amplitud 12 (Ob. > - Ob. <)
N° clases 8 (1+3.3 log N)
15/09/2020 Tamaño de clase o Amplitud 2 (R/NC) 16
 Clases Marc Clase Frecuencia Frec Acum % Frecuen % f. acum.
118 120 119 25 25 25 25 1
120 122 121 12 37 12 37 2
122 124 123 20 57 20 57 3
124 126 125 30 87 30 87 4
126 128 127 12 99 12 99 5
128 130 129 1 100 1 100 6
130 132 131 0 100 0 100 7
132 134 133 0 100 100 8

15/09/2020 17
 De un historial de producción se obtuvo la siguiente información. De su
apreciación a la información brindada, considere: n = 50 y Ẍ = 10 ug.

Zn (g) 0-2,5 2,5-5 5-7,5 7,5-10 10-12,5 12,5-15 15-17,5

fr. 0,02 0,10 0,16 0,10 0,02

Dónde: fr. = frecuencia relativa o % frecuencia.

SOLUCION:
Datos
n = 50
Ẍ = 10
Conocemos por teoría:
fa = número de observaciones en cada intervalo.
fr = fa = frecuencia relativa o % frecuencia.
n
Ẍ = Σ MCi * fa Xi = MC
Σfa
Σfa = 0.02(50) + 0.10(50) + (fry)(50) + 0.16(50) + (frz)(50) + 0.1(50) + 0.02(50)

Σfa = 50 (0.02 + 0.10 + Y + 0.16 + Z + 0.1 + 0.02) = 50

15/09/2020 18
Y + Z = 0.6 ……….. (I)
Ẍ = Σ Xi * fa Xi = MC
Σfa

ΣXi * fa =

Σxi * fa = 1.25(1) + 3.75(5) + 6.25 (50Y) + 8.75(8) + 11.25 (50Z) +13.75(5) +

16.25(1)
= 1.25 + 18.75 + 312.5Y + 70 + 562.5Z + 68.75 + 16.25

Ẍ = 1.25 + 18.75 + 312.5Y + 70 + 562.5Z + 68.75 + 16.25 = 10

50

Ẍ = 175 + 312.5Y + 562.5Z = 500

X + 1.8Y = 1.04 ……. (II)

Resolviendo II – I

Y = 0.55 ; X = 0.05

Con la información completa podremos completa la tabla de frecuencia

proporcionada.
15/09/2020 19
 Se llevo a cabo el estudio de la venta de vinos tintos, expendidos en la 1ERA
quincena del mes de abril del 2019 en el centro de ventas de licores “Andes
Sureños”, dicha información sirvió para efectuar la proyección de las
ventas para el siguiente mes del mismo año. Se hallará el promedio de
Litros, Vendidos en dicho mes. Identifique:

a. Población: Litros de vino vendidos en la 1qa

b. Variable: Cuantitativa (L)
c. Tipo de Variable: Discreta finita
d. Unidad elemental: Litros de vino (750 ml)
Promedio l
e. Valor estadístico:
f. Muestra: Litros vino 1RA quincena (2 semana)
g. Observación: L vino

15/09/2020 20
 Un estudio de ventas efectuado en 60 microempresas rurales
dedicados a la comercialización de leche fresca dio como resultado el
cuadro que se le presenta a continuación, dichas ventas están
expresadas en miles de soles:
178 150 420 640 940 190 859 620 550 450
208 720 850 990 700 405 642 600 500 800
690 580 360 460 750 229 490 520 720 920
240 950 750 660 500 680 620 440 950 400
560 650 190 420 650 900 300 550 550 650
580 600 650 660 720 360 250 930 550 880

a) Refiera cuál es la variable en estudio y de qué tipo es. Cuantitativo; discreta-finito

b) ¿Qué tratamiento estadístico podrá llevar a cabo con la información brindada y que
apreciación técnica podrá dar? TDF; LAS VENTAS N; Ẍ = 595. MILES S.
c) ¿Qué herramientas podrá emplear para ampliar y aclarar su respuesta?
Histograma, % Frecuencias polígono y ojiva.
d) ¿Qué representa la marca de clase del segundo intervalo? y ¿la frecuencia
relativa?

15/09/2020 21
CALCULOS PREVIOS Intervalo de Clases Marca Clas Frecuencia Frec. Acuml % Frecuencia % F Acum
N° DATOS 60 150 270 210 8 8 13.33% 13.33%
Limite inferior 150 270 390 330 3 11 5.00% 18.33%
Limite superior 990 390 510 450 10 21 16.67% 35.00%
Rango 840 510 630 570 12 33 20.00% 55.00%
N° clases 7 630 750 690 16 49 26.67% 81.67%
Tamaño de clase o 750 870 810 3 52 5.00% 86.67%
Amplitud 120 870 990 930 8 60 13.33% 100.00%

Histograma, frecuencia y ojiva Ẍ = 582.016667

15/09/2020 22
Con la siguiente información que representan los resultados de una
muestra de 30 plantas en las que se registró el peso de materia seca en
g, de su producto estrella:
2 1.8 2 3.4 2.6 3 0.7 2.1 1.1 2.3
2.4 2.5 1.9 0.8 1.8 1.9 2.6 1.5 2.5 1.7
1.6 2.1 1.2 2.2 2.8 1.2 1.9 2.9 3 3.6
a) ¿Qué herramienta estadística emplearía para poder aclarar la
información.
b) ¿Qué informe técnico daría a su superior.

SOLUCION

CALCULOS PREVIOS N° Intervalos de clases

N° DATOS 30 Clases Limite inferior Limite superior
Limite inferior 0.7 0
Limite superior 3.6 1 0.7 1.2
Rango 2.9 2 1.2 1.7
N° clases 6 3 1.7 2.2
Tamaño de clase o Amplitud 0.5 4 2.2 2.6
5 2.6 3.1
6 3.1 3.6

15/09/2020 23
 Interv. Clases Marc. Clas Frecuencia Fa % Frecuen % F acumulado
0.7 1.2 0.9 3 3 10.00% 10.00%
1.2 1.7 1.4 4 7 13.33% 23.33%
1.7 2.2 1.9 10 17 33.33% 56.67%
2.2 2.6 2.4 7 24 23.33% 80.00%
2.6 3.1 2.9 4 28 13.33% 93.33%
3.1 3.6 3.4 2 30 6.67% 100.00%

15/09/2020 24
A continuación, se le proporciona el siguiente cuadro, en el que se
muestran las Microempresas Agroindustriales rurales en el país en el
período 2017-2019.
REGIONES NUMERO DE MICROEMPRESAS
Norte Costa 2 200
Norte Sierra 600
Centro Costa 8 800
Centro Sierra 500
Sur Costa 1 200
Sur Sierra 120
Selva 400

a) Establecer un gráfico adecuado para la información dada.

b) ¿Qué conclusiones puede UD. extraer de dicha información?

15/09/2020 25
 N° Regiones N° microempresas %
1 Norte Costa 2200 37.80
2 Norte Sierra 600 10.31
3 Centro Costa 800 13.75
4 Centro Sierra 500 8.59
5 Sur Costa 1200 20.62
6 Sur Sierra 120 2.06
7 Selva 400 6.87
5820 100

15/09/2020 26
 A estudiar

15/09/2020 27