Vol. 12/ Núm. 2 2025 pág. 171
https://doi.org/10.69639/arandu.v12i2.899
Mejora de ingresos en plantas azucareras y control estadístico
de calidad: Caso ecuatoriano
Improvement of Revenues in Sugar Mills and Statistical Quality Control: Ecuadorian
Case
Widmar Santiago Villarreal Revelo
widsanv@yahoo.com
widmar.villarreal@upec.edu.ec
https://orcid.org/0009-0001-2503-4034
Universidad Politécnica Estatal del Carchi
Tulcán - Ecuador
Luis Homero Viveros Almeida
luis.viveros@upec.edu.ec
https://orcid.org/0000-0003-3612-1798
Universidad Politécnica Estatal del Carchi
Tulcán – Ecuador
Artículo recibido: 10 marzo 2025 - Aceptado para publicación: 20 abril 2025
Conflictos de intereses: Ninguno que declarar
RESUMEN
El estudio actual evalúa el proceso de clarificación de jugos en la industria azucarera como una
medida clave para mejorar la producción y calidad del azúcar refinado, las pérdidas de sacarosa
resultantes de la conversión en azúcares reductores, afectan la rentabilidad de los ingenios
azucareros. El objetivo principal radica en identificar las condiciones óptimas de operación para
disminuir la presencia de azúcares reductores y elevar la pureza del jugo clarificado mediante el
uso de herramientas estadísticas. La metodología utilizada implicó la recolección de muestras de
jugos sulfitados, encalados y claros en una planta azucarera en Ecuador, para lo cual, se emplearon
pruebas de normalidad (Shapiro-Wilk), análisis de varianza (ANOVA), y regresión lineal para
establecer la conexión entre variables independientes como pH y temperatura respecto a la calidad
del jugo y el contenido de azúcares reductores. Los resultados sugieren que el nivel de acidez en
el jugo sulfitado influye de manera significativa en la calidad del jugo clarificado, mientras que
la temperatura tiene una relación relevante en la cantidad de azúcares reductores presentes.
Concluyendo que, al ajustar estos factores, se pueden minimizar las pérdidas de sacarosa durante
el proceso; así mismo, se determinó que el control estadístico de procesos es una herramienta
efectiva para mejorar la eficacia del proceso de clarificación, mientras que, los ajustes en el pH y
temperatura podrían aumentar la recuperación de sacarosa y resultar en un beneficio económico
estimado de 272 354 USD al año; esto resalta la importancia de seguir investigando en este campo.
Palabras clave: control estadístico, clarificación, jugos, azúcares reductores, ingenio
azucarero
Vol. 12/ Núm. 2 2025 pág. 172
ABSTRACT
The current study evaluates the juice clarification process in the sugar industry as a key measure
to improve the production and quality of refined sugar. The loss of sucrose due to its conversion
into reducing sugars affects the profitability of sugar mills. The main objective is to identify the
optimal operating conditions to reduce the presence of reducing sugars and enhance the purity of
clarified juice using statistical tools. The methodology involved collecting samples of sulfited,
limed, and clarified juices from a sugar plant in Ecuador. Normality tests (Shapiro-Wilk), analysis
of variance (ANOVA), and linear regression were applied to establish the relationship between
independent variables such as pH and temperature concerning juice quality and the content of
reducing sugars. The results suggest that the acidity level in sulfited juice significantly influences
the quality of clarified juice, while temperature has a relevant relationship with the amount of
reducing sugars present. It is concluded that adjusting these factors can minimize sucrose losses
during the process. Additionally, process statistical control was determined to be an effective tool
for improving the efficiency of the clarification process, while adjustments in pH and temperature
could increase sucrose recovery, resulting in an estimated economic benefit of 272,354 USD per
year; this highlights the importance of continued research in this field.
Keywords: statistical control, clarification, juices, reducing sugars, ingenio azucarero
Todo el contenido de la Revista Científica Internacional Arandu UTIC publicado en este sitio está disponible bajo
licencia Creative Commons Atribution 4.0 International.
ABSTRACT
The current study evaluates the juice clarification process in the sugar industry as a key measure
to improve the production and quality of refined sugar. The loss of sucrose due to its conversion
into reducing sugars affects the profitability of sugar mills. The main objective is to identify the
optimal operating conditions to reduce the presence of reducing sugars and enhance the purity of
clarified juice using statistical tools. The methodology involved collecting samples of sulfited,
limed, and clarified juices from a sugar plant in Ecuador. Normality tests (Shapiro-Wilk), analysis
of variance (ANOVA), and linear regression were applied to establish the relationship between
independent variables such as pH and temperature concerning juice quality and the content of
reducing sugars. The results suggest that the acidity level in sulfited juice significantly influences
the quality of clarified juice, while temperature has a relevant relationship with the amount of
reducing sugars present. It is concluded that adjusting these factors can minimize sucrose losses
during the process. Additionally, process statistical control was determined to be an effective tool
for improving the efficiency of the clarification process, while adjustments in pH and temperature
could increase sucrose recovery, resulting in an estimated economic benefit of 272,354 USD per
year; this highlights the importance of continued research in this field.
Keywords: statistical control, clarification, juices, reducing sugars, ingenio azucarero
Todo el contenido de la Revista Científica Internacional Arandu UTIC publicado en este sitio está disponible bajo
licencia Creative Commons Atribution 4.0 International.
Vol. 12/ Núm. 2 2025 pág. 173
INTRODUCCIÓN
La producción y procesamiento de la caña de azúcar (Saccharum spp.) tiene importancia
tanto por su contribución económica, como también por su papel en la producción de alimentos,
energía renovable y desarrollo sostenible en diversas regiones del mundo (Zaidan et al., 2021).
En Ecuador, la caña de azúcar es uno de los productos agrícolas más relevantes del país, es fuente
significativa de ingresos para los agricultores, zafreros, transportistas y agroindustriales que son
parte de la cadena de este producto y contribuye significativamente a la generación de empleos,
lo que impulsa el crecimiento económico de las regiones (Chávez Cruz et al., 2022). Actualmente,
el 70% del azúcar producido en los países en desarrollo proviene de la caña de azúcar, para lo
cual se debe procesar la caña de azúcar a partir de varias operaciones unitarias que incluyen la
extracción de jugo, clarificación, concentración, cristalización del azúcar del jarabe, separación y
secado del cristal (Babu & Adeyeye, 2024). Este artículo busca abordar la interrogante sobre
cómo el uso de herramientas estadísticas puede determinar condiciones óptimas en el proceso de
clarificación de un ingenio azucarero y reducir los azúcares reductores y otros elementos no
solubles en los jugos, además de estimar la mejora en los ingresos para la empresa, por aumento
de producto final obtenido. Se espera que este análisis contribuya a optimizar los procesos en la
industria azucarera y a incrementar su competitividad en el mercado.
Revisión de literatura
En la industria del azúcar existen desafíos importantes relacionados a la pérdida de sacarosa
y la formación de color debido a la degradación de la sacarosa y otros azúcares como la glucosa
y fructosa. Para mitigar estas pérdidas y problemas asociados, es común aplicar un pretratamiento
para estabilizar la sacarosa a un pH de 8 y el resto de los azúcares a un pH entre 3 y 5. Por lo que,
para obtener la menor degradación de sacarosa se debe obtener un valor entre 6,45 y 8, lo que
resalta la importancia de considerarlo al momento del procesamiento para obtener resultados
óptimos. La prioridad de la industria es mantener el equilibrio del pH para minimizar las pérdidas
y optimizar la calidad del azúcar (Akhtar et al., 2020).
La clarificación consiste en la eliminación de impurezas y sólidos en suspensión presentes
en el jugo extraído, lo cual no solo mejora el rendimiento del proceso de cristalización posterior,
sino que también impacta la pureza del azúcar producido (Laksameethanasana et al., 2012). Este
proceso implica la eliminación de impurezas y la reducción de la concentración de azúcares
reductores, que, si no se controlan adecuadamente, pueden resultar en una significativa pérdida
de sacarosa (Cywinska et al., 2023), afectando tanto la calidad como el rendimiento del producto
(Du et al., 2022). Estas pérdidas, en términos generales, se cuantifican al comparar la cantidad de
sacarosa al final del proceso (azúcar) con la cantidad que ingresó desde la caña (Beeram et al.,
2020).
INTRODUCCIÓN
La producción y procesamiento de la caña de azúcar (Saccharum spp.) tiene importancia
tanto por su contribución económica, como también por su papel en la producción de alimentos,
energía renovable y desarrollo sostenible en diversas regiones del mundo (Zaidan et al., 2021).
En Ecuador, la caña de azúcar es uno de los productos agrícolas más relevantes del país, es fuente
significativa de ingresos para los agricultores, zafreros, transportistas y agroindustriales que son
parte de la cadena de este producto y contribuye significativamente a la generación de empleos,
lo que impulsa el crecimiento económico de las regiones (Chávez Cruz et al., 2022). Actualmente,
el 70% del azúcar producido en los países en desarrollo proviene de la caña de azúcar, para lo
cual se debe procesar la caña de azúcar a partir de varias operaciones unitarias que incluyen la
extracción de jugo, clarificación, concentración, cristalización del azúcar del jarabe, separación y
secado del cristal (Babu & Adeyeye, 2024). Este artículo busca abordar la interrogante sobre
cómo el uso de herramientas estadísticas puede determinar condiciones óptimas en el proceso de
clarificación de un ingenio azucarero y reducir los azúcares reductores y otros elementos no
solubles en los jugos, además de estimar la mejora en los ingresos para la empresa, por aumento
de producto final obtenido. Se espera que este análisis contribuya a optimizar los procesos en la
industria azucarera y a incrementar su competitividad en el mercado.
Revisión de literatura
En la industria del azúcar existen desafíos importantes relacionados a la pérdida de sacarosa
y la formación de color debido a la degradación de la sacarosa y otros azúcares como la glucosa
y fructosa. Para mitigar estas pérdidas y problemas asociados, es común aplicar un pretratamiento
para estabilizar la sacarosa a un pH de 8 y el resto de los azúcares a un pH entre 3 y 5. Por lo que,
para obtener la menor degradación de sacarosa se debe obtener un valor entre 6,45 y 8, lo que
resalta la importancia de considerarlo al momento del procesamiento para obtener resultados
óptimos. La prioridad de la industria es mantener el equilibrio del pH para minimizar las pérdidas
y optimizar la calidad del azúcar (Akhtar et al., 2020).
La clarificación consiste en la eliminación de impurezas y sólidos en suspensión presentes
en el jugo extraído, lo cual no solo mejora el rendimiento del proceso de cristalización posterior,
sino que también impacta la pureza del azúcar producido (Laksameethanasana et al., 2012). Este
proceso implica la eliminación de impurezas y la reducción de la concentración de azúcares
reductores, que, si no se controlan adecuadamente, pueden resultar en una significativa pérdida
de sacarosa (Cywinska et al., 2023), afectando tanto la calidad como el rendimiento del producto
(Du et al., 2022). Estas pérdidas, en términos generales, se cuantifican al comparar la cantidad de
sacarosa al final del proceso (azúcar) con la cantidad que ingresó desde la caña (Beeram et al.,
2020).
Vol. 12/ Núm. 2 2025 pág. 174
Las pérdidas de sacarosa están influenciadas por diversos factores, entre ellos las prácticas
de campo y cosecha, estado de madurez, calentamiento, subida y bajada de pH (potencial
hidrógeno), uso de insumos como lechada de cal, sacarato, floculantes, y el tiempo de residencia
en equipos de transferencia de calor, entre otros (Shi et al., 2021). Los azúcares reductores son
carbohidratos capaces de reaccionar con agentes oxidantes, característica fundamental para poder
ser identificados y valorados a nivel de laboratorio (García Asprilla & Ramírez-Navas, 2018).
Los azúcares reductores incluyen a la glucosa, fructosa, galactosa y la lactosa, siendo las dos
primeras presentes en el jugo de caña de azúcar (Marasinghege et al., 2024).
En este contexto, la reducción de azúcares reductores en el jugo es de particular interés,
dado que estos compuestos pueden interferir en la eficacia del proceso de refinación y afectar las
propiedades organolépticas del azúcar (Meng et al., 2021). Estudios realizados en Brasil y México
indican que la optimización de parámetros de proceso puede resultar en una reducción
significativa de azúcares reductores (Vargas Díaz et al., 2023). Sin embargo, es escasa la
investigación que aborde de manera integrada la interacción de estos factores utilizando control
estadístico.
Por estas razones, en la industria azucarera es fundamental establecer controles rigurosos
que optimicen los procesos, no solo para asegurar la excelencia del producto, sino también para
aumentar la sostenibilidad financiera y la competitividad en el mercado. El control estadístico del
proceso (CEP) es una herramienta poderosa para optimizar distintas etapas de producción en la
industria, permitiendo identificar y ajustar factores que influyen en la eficiencia del mismo (Gessa
et al., 2022). A través del uso de técnicas como el CEP y el Análisis de varianza (ANOVA), el
monitoreo continuo y la evaluación de parámetros críticos generan información valiosa para la
toma de decisiones (Alım & Kesen, 2023).
Con base en esta información, se han propuesto las siguientes preguntas:
RQ1:¿Cuáles son los factores de proceso que afectan la clarificación del jugo, que influyen
en la eficacia de la clarificación del jugo?
RQ2:¿Qué relación existe entre los ajustes en el proceso de clarificación y la reducción de
azúcares reductores en el jugo?
RQ3:¿Cómo optimizar el procedimiento de control de calidad para las operaciones de
clarificación de jugo del Ingenio Azucarero del Norte?
METODOLOGÍA
Materiales
La toma de muestras se realizó en su totalidad del proceso industrial del Ingenio Azucarero,
dentro del proceso de elaboración del ingenio se realiza control de calidad de cada proceso y de
las actividades que la componen, se obtuvieron muestras de jugo sulfitado, jugo encalado y jugo
claro, de la línea de proceso industrial de caña de azúcar.
Las pérdidas de sacarosa están influenciadas por diversos factores, entre ellos las prácticas
de campo y cosecha, estado de madurez, calentamiento, subida y bajada de pH (potencial
hidrógeno), uso de insumos como lechada de cal, sacarato, floculantes, y el tiempo de residencia
en equipos de transferencia de calor, entre otros (Shi et al., 2021). Los azúcares reductores son
carbohidratos capaces de reaccionar con agentes oxidantes, característica fundamental para poder
ser identificados y valorados a nivel de laboratorio (García Asprilla & Ramírez-Navas, 2018).
Los azúcares reductores incluyen a la glucosa, fructosa, galactosa y la lactosa, siendo las dos
primeras presentes en el jugo de caña de azúcar (Marasinghege et al., 2024).
En este contexto, la reducción de azúcares reductores en el jugo es de particular interés,
dado que estos compuestos pueden interferir en la eficacia del proceso de refinación y afectar las
propiedades organolépticas del azúcar (Meng et al., 2021). Estudios realizados en Brasil y México
indican que la optimización de parámetros de proceso puede resultar en una reducción
significativa de azúcares reductores (Vargas Díaz et al., 2023). Sin embargo, es escasa la
investigación que aborde de manera integrada la interacción de estos factores utilizando control
estadístico.
Por estas razones, en la industria azucarera es fundamental establecer controles rigurosos
que optimicen los procesos, no solo para asegurar la excelencia del producto, sino también para
aumentar la sostenibilidad financiera y la competitividad en el mercado. El control estadístico del
proceso (CEP) es una herramienta poderosa para optimizar distintas etapas de producción en la
industria, permitiendo identificar y ajustar factores que influyen en la eficiencia del mismo (Gessa
et al., 2022). A través del uso de técnicas como el CEP y el Análisis de varianza (ANOVA), el
monitoreo continuo y la evaluación de parámetros críticos generan información valiosa para la
toma de decisiones (Alım & Kesen, 2023).
Con base en esta información, se han propuesto las siguientes preguntas:
RQ1:¿Cuáles son los factores de proceso que afectan la clarificación del jugo, que influyen
en la eficacia de la clarificación del jugo?
RQ2:¿Qué relación existe entre los ajustes en el proceso de clarificación y la reducción de
azúcares reductores en el jugo?
RQ3:¿Cómo optimizar el procedimiento de control de calidad para las operaciones de
clarificación de jugo del Ingenio Azucarero del Norte?
METODOLOGÍA
Materiales
La toma de muestras se realizó en su totalidad del proceso industrial del Ingenio Azucarero,
dentro del proceso de elaboración del ingenio se realiza control de calidad de cada proceso y de
las actividades que la componen, se obtuvieron muestras de jugo sulfitado, jugo encalado y jugo
claro, de la línea de proceso industrial de caña de azúcar.
Vol. 12/ Núm. 2 2025 pág. 175
Los análisis se efectuaron en el laboratorio de control de calidad de la fábrica. El jugo
encalado era el jugo mixto cuyo pH se ajusta a neutro mediante lechada de cal. En el ingenio y en
este proceso no se utilizan otros productos químicos, solución indicadora de azul de metileno (C
H N16183 SCl.2H2 O) se obtuvieron de proveedor Chemicals Co. El sulfato de cobre
(CuSO4 .5H2 O); grado analítico y la sal de Rochelle, tartato sódico potásico (COOK(CHOH)2
COONa.4H2 O); grado analítico se adquirieron a Ajax Chemical Co. La toma de temperatura se
realiza en el jugo posterior al encalado, presente en el tanque flash y previo al ingreso al
clarificador, en esta etapa se considera al jugo como encalado.
Equipos
Los equipos que se utilizó en la determinación de las variables se detallan a continuación:
Tabla 1
Cuadro de operacionalización de variables
Variable Dimensiones Indicador Instrumentos
pH de Jugos
(Variable
independiente)
pH jugo
sulfitado.
pH jugo
encalado.
pH jugo claro
La escala de pH oscila entre 0 y
14, donde valores inferiores a 7
señalan una solución ácida, un pH
de 7 representa neutralidad y
valores superiores a 7 indican que
la solución es básica o alcalin
(Shaw & Gregory, 2022)
pH-metro manual
o digital.
Temperatura
(Variable
independiente)
Temperatura
jugo encalado.
Temperatura
jugo claro.
Grados centígrados (°C) o grados
Fahrenheit (°F).
Termómetros de
mercurio o
digitales,
termistores.
Azúcares
Reductores
Cantidad de
azúcares
reductores
g/L
Turbidímetro,
comparadores de
color
Color del jugo
Cantidad de
partículas
suspendidas en
el jugo claro
Unidad de Color (unidades de
NTU (Nephelometric Turbidity
Units)
Turbidímetro,
comparadores de
color
Métodos
En la toma de datos se utilizó la metodología de series temporales interrumpidas
(DSTA), práctica estadística manejada para evaluar el efecto de una intervención o un cambio
en el proceso de un sistema, se basa en la medición repetida de variables dentro del proceso
productivo.
Los análisis se efectuaron en el laboratorio de control de calidad de la fábrica. El jugo
encalado era el jugo mixto cuyo pH se ajusta a neutro mediante lechada de cal. En el ingenio y en
este proceso no se utilizan otros productos químicos, solución indicadora de azul de metileno (C
H N16183 SCl.2H2 O) se obtuvieron de proveedor Chemicals Co. El sulfato de cobre
(CuSO4 .5H2 O); grado analítico y la sal de Rochelle, tartato sódico potásico (COOK(CHOH)2
COONa.4H2 O); grado analítico se adquirieron a Ajax Chemical Co. La toma de temperatura se
realiza en el jugo posterior al encalado, presente en el tanque flash y previo al ingreso al
clarificador, en esta etapa se considera al jugo como encalado.
Equipos
Los equipos que se utilizó en la determinación de las variables se detallan a continuación:
Tabla 1
Cuadro de operacionalización de variables
Variable Dimensiones Indicador Instrumentos
pH de Jugos
(Variable
independiente)
pH jugo
sulfitado.
pH jugo
encalado.
pH jugo claro
La escala de pH oscila entre 0 y
14, donde valores inferiores a 7
señalan una solución ácida, un pH
de 7 representa neutralidad y
valores superiores a 7 indican que
la solución es básica o alcalin
(Shaw & Gregory, 2022)
pH-metro manual
o digital.
Temperatura
(Variable
independiente)
Temperatura
jugo encalado.
Temperatura
jugo claro.
Grados centígrados (°C) o grados
Fahrenheit (°F).
Termómetros de
mercurio o
digitales,
termistores.
Azúcares
Reductores
Cantidad de
azúcares
reductores
g/L
Turbidímetro,
comparadores de
color
Color del jugo
Cantidad de
partículas
suspendidas en
el jugo claro
Unidad de Color (unidades de
NTU (Nephelometric Turbidity
Units)
Turbidímetro,
comparadores de
color
Métodos
En la toma de datos se utilizó la metodología de series temporales interrumpidas
(DSTA), práctica estadística manejada para evaluar el efecto de una intervención o un cambio
en el proceso de un sistema, se basa en la medición repetida de variables dentro del proceso
productivo.
Vol. 12/ Núm. 2 2025 pág. 176
Las muestras se tomaron distintos períodos de tiempo de operación considerando para
ello una molienda continua de por lo menos 8 horas sin para, la data general histórica se tomó en
un periodo de dos semanas, para determinar una posible relación entre los Azúcares Reductores
“AR” con los grados Brix, pH de los jugos, temperatura de ingreso al clarificador y el porcentaje
de Sacarosa de la mezcla alimentada. Los análisis de jugos se realizaron siguiendo la metodología
detallada en el manual de procesos del laboratorio de calidad del ingenio azucarero.
Evaluación de calidad
Tras los análisis, las muestras de jugo se caracterizaron en función de su Brix, % AR
(azúcar reductor) y t (temperatura). En todos los casos se tomó los datos de los análisis de control
de calidad de los laboratorios del ingenio.
Análisis estadístico
● Prueba de Normalidad (Shapiro-Wilk): Evalúa si los datos siguen una distribución
normal, clave en análisis como ANOVA o regresión. Se recomienda para muestras menores
a 50 observaciones (Monter-Pozos & González-Estrada, 2024).
● Prueba de Homogeneidad de Varianzas (Levene): Determina si las varianzas de los
grupos son iguales, siendo robusta ante desviaciones de la normalidad, lo que la hace
adecuada para análisis como ANOVA (Villaseñor & González-Estrada, 2025).
● Análisis de Varianza (ANOVA): Técnica que compara las medias de tres o más grupos
para identificar diferencias significativas, útil en estudios experimentales (Hobbs et al.,
2024).
● Modelo de Regresión Lineal: Establece una conexión entre una variable que dependiente
y una o más variables independientes a través de una ecuación lineal para así poder predecir
valores en el futuro (Marino, 2024).
Herramientas estadísticas
Se entiende por herramientas estadísticas al conjunto de técnicas que ayudan en la
organización de datos numéricos o de información, previamente obtenida, detección de problemas
a ser analizados y en lo posible resolverlos, para optimizar el proceso de toma de decisiones
(Sarker, 2021). Durante el procedimiento de clarificación, se emplearon diferentes herramientas
estadísticas para reducir las pérdidas de sacarosa, entre las cuales se incluía el uso de un
histograma, las gráficas de control, el diagrama de Pareto, alineadas a la metodología Six Sigma.
Plan de acción
El plan de acción es un medio que permite a los equipos operativos, monitorear el
progreso de un proceso y centrarse en llevar a cabo las actividades necesarias. Se recomienda
seguir el plan de acción de manera regular regularmente, ya sea semanal, mensual, trimestral o
semestralmente dependiendo de la situación, y trabajar en ello diligentemente hasta que se
complete o se resuelva el proyecto o tema en cuestión (Boggan & Ver, 1995). Por lo tanto, resulta
necesario para un equipo, determinar si el plan está alcanzando los objetivos esperados o
Las muestras se tomaron distintos períodos de tiempo de operación considerando para
ello una molienda continua de por lo menos 8 horas sin para, la data general histórica se tomó en
un periodo de dos semanas, para determinar una posible relación entre los Azúcares Reductores
“AR” con los grados Brix, pH de los jugos, temperatura de ingreso al clarificador y el porcentaje
de Sacarosa de la mezcla alimentada. Los análisis de jugos se realizaron siguiendo la metodología
detallada en el manual de procesos del laboratorio de calidad del ingenio azucarero.
Evaluación de calidad
Tras los análisis, las muestras de jugo se caracterizaron en función de su Brix, % AR
(azúcar reductor) y t (temperatura). En todos los casos se tomó los datos de los análisis de control
de calidad de los laboratorios del ingenio.
Análisis estadístico
● Prueba de Normalidad (Shapiro-Wilk): Evalúa si los datos siguen una distribución
normal, clave en análisis como ANOVA o regresión. Se recomienda para muestras menores
a 50 observaciones (Monter-Pozos & González-Estrada, 2024).
● Prueba de Homogeneidad de Varianzas (Levene): Determina si las varianzas de los
grupos son iguales, siendo robusta ante desviaciones de la normalidad, lo que la hace
adecuada para análisis como ANOVA (Villaseñor & González-Estrada, 2025).
● Análisis de Varianza (ANOVA): Técnica que compara las medias de tres o más grupos
para identificar diferencias significativas, útil en estudios experimentales (Hobbs et al.,
2024).
● Modelo de Regresión Lineal: Establece una conexión entre una variable que dependiente
y una o más variables independientes a través de una ecuación lineal para así poder predecir
valores en el futuro (Marino, 2024).
Herramientas estadísticas
Se entiende por herramientas estadísticas al conjunto de técnicas que ayudan en la
organización de datos numéricos o de información, previamente obtenida, detección de problemas
a ser analizados y en lo posible resolverlos, para optimizar el proceso de toma de decisiones
(Sarker, 2021). Durante el procedimiento de clarificación, se emplearon diferentes herramientas
estadísticas para reducir las pérdidas de sacarosa, entre las cuales se incluía el uso de un
histograma, las gráficas de control, el diagrama de Pareto, alineadas a la metodología Six Sigma.
Plan de acción
El plan de acción es un medio que permite a los equipos operativos, monitorear el
progreso de un proceso y centrarse en llevar a cabo las actividades necesarias. Se recomienda
seguir el plan de acción de manera regular regularmente, ya sea semanal, mensual, trimestral o
semestralmente dependiendo de la situación, y trabajar en ello diligentemente hasta que se
complete o se resuelva el proyecto o tema en cuestión (Boggan & Ver, 1995). Por lo tanto, resulta
necesario para un equipo, determinar si el plan está alcanzando los objetivos esperados o
Vol. 12/ Núm. 2 2025 pág. 177
generando efectos secundarios no deseados, por lo que, el análisis del rendimiento de la solución
propuesta es fundamental en cualquier estrategia empresarial exitosa.
Para la obtención de datos se realizó bajo los siguientes criterios:
a. La frecuencia a la que se obtienen las muestras para la creación de histogramas y
gráficos de control.
b. Se sugiere utilizar entre el 10% y el 20% de la población total de datos al elaborar
histogramas.
c. El mínimo aconsejable es que cada muestra contenga al menos cinco datos para poder
elaborar las gráficas de control de tipo x-r.
Bajo estas consideraciones, se consideraron los siguientes datos para cada una de los factores en
análisis.
d. Para el análisis estadístico, ANOVA, diseños factoriales, histogramas y cuadros de
control, se recopilaron muestras con una frecuencia de muestreo, que corresponde a una
vez cada hora durante dos períodos de 28 días de molienda, con moliendas constantes,
debido al presencia de interrupciones en el procedimiento, no se podía llevar cabo la
recolección de muestras. No obstante, a partir del muestreo realizado, se obtuvo 12
muestras diarias, lo que correspondió a una total de 336 muestras al mes.
e. Con esta data se realiza un promedio cada 8 horas que se considera tiempo de trabajo
por turno, el ingenio maneja periodos de molienda de 14 días de molienda, con ello se
obtienen un total de 48 muestras que se muestran en la Tabla 2.
Tabla 2
Data resumen para los análisis de azúcar reductores y porcentaje de pureza jugo claro
Azúcares Reductores
0,48 0,45 0,47 0,45 0,40 0,41 0,33 0,34 0,38 0,34
0,45 0,45 0,46 0,46 0,44 0,48 0,46 0,52 0,53 0,42
0,52 0,56 0,39 0,44 0,58 0,53 0,48 0,46 0,46 0,47
0,57 0,50 0,52 0,51 0,56 0,56 0,55 0,52 0,62 0,55
0,46 0,47 0,45 0,47 0,49 0,51 0,50 0,56
Porcentaje de pureza jugo clarificado
86,84 85,15 84,92 85,61 86,71 87,50 86,65 85,41 86,17 85,58
85,38 85,16 85,76 87,37 85,00 87,90 86,44 85,35 85,38 85,59
84,46 84,99 84,76 83,03 83,32 83,15 84,36 84,65 86,08 85,12
85,50 87,24 83,63 84,41 84,64 82,40 84,14 84,00 81,57 87,06
86,83 84,77 84,16 86,32 83,45 83,41 85,03 83,37
Fuente: Laboratorio de control de calidad Ingenio Azucarero
generando efectos secundarios no deseados, por lo que, el análisis del rendimiento de la solución
propuesta es fundamental en cualquier estrategia empresarial exitosa.
Para la obtención de datos se realizó bajo los siguientes criterios:
a. La frecuencia a la que se obtienen las muestras para la creación de histogramas y
gráficos de control.
b. Se sugiere utilizar entre el 10% y el 20% de la población total de datos al elaborar
histogramas.
c. El mínimo aconsejable es que cada muestra contenga al menos cinco datos para poder
elaborar las gráficas de control de tipo x-r.
Bajo estas consideraciones, se consideraron los siguientes datos para cada una de los factores en
análisis.
d. Para el análisis estadístico, ANOVA, diseños factoriales, histogramas y cuadros de
control, se recopilaron muestras con una frecuencia de muestreo, que corresponde a una
vez cada hora durante dos períodos de 28 días de molienda, con moliendas constantes,
debido al presencia de interrupciones en el procedimiento, no se podía llevar cabo la
recolección de muestras. No obstante, a partir del muestreo realizado, se obtuvo 12
muestras diarias, lo que correspondió a una total de 336 muestras al mes.
e. Con esta data se realiza un promedio cada 8 horas que se considera tiempo de trabajo
por turno, el ingenio maneja periodos de molienda de 14 días de molienda, con ello se
obtienen un total de 48 muestras que se muestran en la Tabla 2.
Tabla 2
Data resumen para los análisis de azúcar reductores y porcentaje de pureza jugo claro
Azúcares Reductores
0,48 0,45 0,47 0,45 0,40 0,41 0,33 0,34 0,38 0,34
0,45 0,45 0,46 0,46 0,44 0,48 0,46 0,52 0,53 0,42
0,52 0,56 0,39 0,44 0,58 0,53 0,48 0,46 0,46 0,47
0,57 0,50 0,52 0,51 0,56 0,56 0,55 0,52 0,62 0,55
0,46 0,47 0,45 0,47 0,49 0,51 0,50 0,56
Porcentaje de pureza jugo clarificado
86,84 85,15 84,92 85,61 86,71 87,50 86,65 85,41 86,17 85,58
85,38 85,16 85,76 87,37 85,00 87,90 86,44 85,35 85,38 85,59
84,46 84,99 84,76 83,03 83,32 83,15 84,36 84,65 86,08 85,12
85,50 87,24 83,63 84,41 84,64 82,40 84,14 84,00 81,57 87,06
86,83 84,77 84,16 86,32 83,45 83,41 85,03 83,37
Fuente: Laboratorio de control de calidad Ingenio Azucarero
Vol. 12/ Núm. 2 2025 pág. 178
RESULTADOS
Verificación estadística del proceso
Para evaluar la perdida efectiva de sacarosa e incremento de azucares reductores de los
jugos en el proceso de clarificación del ingenio, se aplicó estadística descriptiva: medias, error
estándar, desviación estándar, y coeficiente de variación, esto permitió tener una visión clara de
la variabilidad y precisión de los datos. Se utilizaron pruebas de normalidad con la prueba de
Shapiro-Wilk y se verificó la homogeneidad con el test de Levene, posterior se llevó a cabo un
análisis de varianza (ANOVA) para comparar las medias de las variables en estudio, concluyendo
con el análisis de la relación entre factores, para ello se utilizó un análisis de regresión lineal.
Análisis de normalidad
El análisis de Shapiro-Wilk, muestra los resultados del test de normalidad para la variable
"AZUCARES REDUCTORES" revelan un valor W de 0,9726 y un p-valor de 0,3188. Como el
p-valor es superior al umbral convencional de significancia de 0,05, no se rechaza la hipótesis
nula de normalidad, lo que sugiere que los datos de esta variable presentan una distribución
normal.
Por otro lado, el análisis realizado para la variable "PUREZA CLARIFICADO" presenta
un valor W de 0,9875 y un p-valor de 0,8847. De manera similar, este p-valor elevado indica que
no se puede rechazar la hipótesis nula, sugiriendo que la distribución de los datos en esta variable
también tiende a ser normal.
Prueba de homogeneidad de varianzas
El análisis de homogeneidad de varianzas mostró que los datos de las variables fueron
homogéneos, donde el p-valor fue superior a 0,05 y se acepta la hipótesis Nula (Ho) lo que
confirma que hay igualdad de varianza.
Análisis de varianza para la variable azúcares reductores
Se realizó un análisis de varianza ANOVA que permite determinar que existen diferencias
significativas entre los valores de la variable dependiente: Azúcares Reductores (AR) y Porcentaje
de Pureza en el jugo claro en función de las variables independientes (pH JS, pH JE, pH JC, y
TEMPFLASH); se obtiene los siguientes resultados:
• Los valores de p para los diferentes niveles de pH son 0,5605, 0,4692 y 0,8058,
respectivamente, lo que indica que el pH no tiene un efecto significativo en la
concentración de azúcares en el jugo clarificado. Esto puede ser consistente con estudios
previos que sugieren que el pH óptimo para la clarificación de jugos azucareros no
necesariamente afecta la cantidad de azúcares, sino que influye más en la calidad del
producto final y en la eficiencia de otros procesos como la sedimentación y la
estabilización.
RESULTADOS
Verificación estadística del proceso
Para evaluar la perdida efectiva de sacarosa e incremento de azucares reductores de los
jugos en el proceso de clarificación del ingenio, se aplicó estadística descriptiva: medias, error
estándar, desviación estándar, y coeficiente de variación, esto permitió tener una visión clara de
la variabilidad y precisión de los datos. Se utilizaron pruebas de normalidad con la prueba de
Shapiro-Wilk y se verificó la homogeneidad con el test de Levene, posterior se llevó a cabo un
análisis de varianza (ANOVA) para comparar las medias de las variables en estudio, concluyendo
con el análisis de la relación entre factores, para ello se utilizó un análisis de regresión lineal.
Análisis de normalidad
El análisis de Shapiro-Wilk, muestra los resultados del test de normalidad para la variable
"AZUCARES REDUCTORES" revelan un valor W de 0,9726 y un p-valor de 0,3188. Como el
p-valor es superior al umbral convencional de significancia de 0,05, no se rechaza la hipótesis
nula de normalidad, lo que sugiere que los datos de esta variable presentan una distribución
normal.
Por otro lado, el análisis realizado para la variable "PUREZA CLARIFICADO" presenta
un valor W de 0,9875 y un p-valor de 0,8847. De manera similar, este p-valor elevado indica que
no se puede rechazar la hipótesis nula, sugiriendo que la distribución de los datos en esta variable
también tiende a ser normal.
Prueba de homogeneidad de varianzas
El análisis de homogeneidad de varianzas mostró que los datos de las variables fueron
homogéneos, donde el p-valor fue superior a 0,05 y se acepta la hipótesis Nula (Ho) lo que
confirma que hay igualdad de varianza.
Análisis de varianza para la variable azúcares reductores
Se realizó un análisis de varianza ANOVA que permite determinar que existen diferencias
significativas entre los valores de la variable dependiente: Azúcares Reductores (AR) y Porcentaje
de Pureza en el jugo claro en función de las variables independientes (pH JS, pH JE, pH JC, y
TEMPFLASH); se obtiene los siguientes resultados:
• Los valores de p para los diferentes niveles de pH son 0,5605, 0,4692 y 0,8058,
respectivamente, lo que indica que el pH no tiene un efecto significativo en la
concentración de azúcares en el jugo clarificado. Esto puede ser consistente con estudios
previos que sugieren que el pH óptimo para la clarificación de jugos azucareros no
necesariamente afecta la cantidad de azúcares, sino que influye más en la calidad del
producto final y en la eficiencia de otros procesos como la sedimentación y la
estabilización.
Vol. 12/ Núm. 2 2025 pág. 179
• TEMPFLASH: El valor de p para la temperatura de flash es 0,0812, que se encuentra
cerca del límite de significancia (0.05). Esto puede indicar una tendencia que sugiere que
la temperatura de flash podría tener un efecto marginal sobre la concentración de azúcares,
aunque no suficiente para considerarlo significativo en este análisis.
Análisis de regresión lineal para la variable azúcares reductores
Se realizó un modelo de regresión lineal con interacciones para analizar el impacto
individual y las combinaciones de factores en el aumento de azúcares reductores. Este enfoque
ayuda a identificar efectos no evidentes y determinar relaciones entre las variables independientes
y una de las variables dependientes, obteniendo que la mayoría de los factores analizados (pH JS,
pH JE y pH JC) no muestran un efecto significativo sobre la variable dependiente Azúcares
reductores. La TEMPFLASH es el único factor que presenta un valor p marginal (0,0812), lo que
sugiere que podría haber un efecto en el incremento de los azúcares reductores.
Análisis de varianza para la variable porcentaje de pureza en jugo claro
Los resultados muestran que, la variable pH JS presenta un valor de p significativo (p =
0,0432), lo que indica que hay una relación significativa entre el pH JS y el porcentaje de pureza
del jugo clarificado al final del proceso. Esto sugiere que el control del pH en esta etapa del
proceso es crucial para optimizar la pureza del jugo. En el análisis los valores de p para las
variables pH JE, pH JC y TEMPFLASH son 0,6489, 0,3663 y 0,1997, respectivamente, lo que
indica que estas variables no tienen efecto significativo en el porcentaje de pureza en el jugo
clarificado, al menos en las condiciones del proceso en el ingenio investigado.
Regresión lineal con interacciones para estudiar el efecto individual y las combinaciones de
distintos factores en el porcentaje de pureza
Continuando con el análisis, se llevó a cabo un modelo de regresión lineal con interacciones
para estudiar el efecto individual y las combinaciones de distintos factores en el porcentaje de
pureza. Este método facilita la identificación de efectos que no son evidentes y permite establecer
relaciones entre las variables independientes y una de las variables dependientes, obteniendo, que
la mayoría de los factores analizados (pH JE, pH JC y TEMPFLASH) no muestran un efecto
significativo sobre la variable dependiente porcentaje de pureza.
El pH JS es el único factor que presenta un valor p marginal (0,023), lo que sugiere que
esta variable tiene un efecto negativo sobre el porcentaje de pureza del jugo, tiene un coeficiente
negativo lo que indica que, si el pH JS aumenta en una unidad, se espera que la PUREZA
disminuya aproximadamente en 2,12 unidades. Para mejorar la pureza del jugo clarificado, se
debe enfocar los esfuerzos en controlar de manera precisa el pH JS. Además, debe evaluarse la
posibilidad de ajustar el proceso tomando en cuenta las interacciones entre el pH en diferentes
etapas y la temperatura.
Como resultado del análisis estadístico se observa que, en las actuales condiciones
operativas del proceso de clarificación, los factores que están teniendo influencia es el pH del
• TEMPFLASH: El valor de p para la temperatura de flash es 0,0812, que se encuentra
cerca del límite de significancia (0.05). Esto puede indicar una tendencia que sugiere que
la temperatura de flash podría tener un efecto marginal sobre la concentración de azúcares,
aunque no suficiente para considerarlo significativo en este análisis.
Análisis de regresión lineal para la variable azúcares reductores
Se realizó un modelo de regresión lineal con interacciones para analizar el impacto
individual y las combinaciones de factores en el aumento de azúcares reductores. Este enfoque
ayuda a identificar efectos no evidentes y determinar relaciones entre las variables independientes
y una de las variables dependientes, obteniendo que la mayoría de los factores analizados (pH JS,
pH JE y pH JC) no muestran un efecto significativo sobre la variable dependiente Azúcares
reductores. La TEMPFLASH es el único factor que presenta un valor p marginal (0,0812), lo que
sugiere que podría haber un efecto en el incremento de los azúcares reductores.
Análisis de varianza para la variable porcentaje de pureza en jugo claro
Los resultados muestran que, la variable pH JS presenta un valor de p significativo (p =
0,0432), lo que indica que hay una relación significativa entre el pH JS y el porcentaje de pureza
del jugo clarificado al final del proceso. Esto sugiere que el control del pH en esta etapa del
proceso es crucial para optimizar la pureza del jugo. En el análisis los valores de p para las
variables pH JE, pH JC y TEMPFLASH son 0,6489, 0,3663 y 0,1997, respectivamente, lo que
indica que estas variables no tienen efecto significativo en el porcentaje de pureza en el jugo
clarificado, al menos en las condiciones del proceso en el ingenio investigado.
Regresión lineal con interacciones para estudiar el efecto individual y las combinaciones de
distintos factores en el porcentaje de pureza
Continuando con el análisis, se llevó a cabo un modelo de regresión lineal con interacciones
para estudiar el efecto individual y las combinaciones de distintos factores en el porcentaje de
pureza. Este método facilita la identificación de efectos que no son evidentes y permite establecer
relaciones entre las variables independientes y una de las variables dependientes, obteniendo, que
la mayoría de los factores analizados (pH JE, pH JC y TEMPFLASH) no muestran un efecto
significativo sobre la variable dependiente porcentaje de pureza.
El pH JS es el único factor que presenta un valor p marginal (0,023), lo que sugiere que
esta variable tiene un efecto negativo sobre el porcentaje de pureza del jugo, tiene un coeficiente
negativo lo que indica que, si el pH JS aumenta en una unidad, se espera que la PUREZA
disminuya aproximadamente en 2,12 unidades. Para mejorar la pureza del jugo clarificado, se
debe enfocar los esfuerzos en controlar de manera precisa el pH JS. Además, debe evaluarse la
posibilidad de ajustar el proceso tomando en cuenta las interacciones entre el pH en diferentes
etapas y la temperatura.
Como resultado del análisis estadístico se observa que, en las actuales condiciones
operativas del proceso de clarificación, los factores que están teniendo influencia es el pH del
Vol. 12/ Núm. 2 2025 pág. 180
jugo sulfitado y la temperatura de calentamiento con la que ingresa el jugo al clarificador desde
el tanque de acondicionamiento de temperatura llamado “Tanque flash”.
Control de proceso
Después de definir las especificaciones para recopilar datos, que correspondió a la cantidad
de datos necesarios, tamaño de la muestra y frecuencia de muestreo y haberlas utilizado para
recopilar los datos de las variables en estudio, se verificó si el proceso estaba estable mediante el
uso de herramientas estadísticas como el análisis de normalidad, histogramas y gráficos de control
(Isniah & Purba, 2021). Para crear los histogramas de las variables analizadas (porcentaje de
sacarosa y azúcares reductores en jugo claro), se ingresaron los datos correspondientes en el
software “R”. Las gráficas de los histogramas se muestran en las Figura 1, y su interpretación se
detalla en la Tabla 3:
Tabla 3
Límites y media de especificación de las variables en estudio, para la elaboración de
histogramas
Azúcares reductores Porcentaje de Pureza en Jugo claro
Número de datos 48 Número de datos 48
Límite superior calculado 0,54 Límite superior calculado 86,52
Límite inferior calculado 0,41 Límite inferior calculado 83,72
Media calculada 0,48 Media calculada 85,12
Figura 1
Histograma de Pureza de Jugo Claro
Los histogramas muestran que tanto el nivel de pureza en el jugo claro como el contenido
de azúcares reductores presentan una distribución normal, lo que facilita la aplicación del control
estadístico de procesos (CEP). La correcta adaptación a la curva normal señala que el proceso es
estable y que los valores se encuentran dentro de los límites de control establecidos. Es
recomendable mantener un seguimiento de las variaciones que sobrepasan estos límites para
asegurar la consistencia y calidad del producto final.
jugo sulfitado y la temperatura de calentamiento con la que ingresa el jugo al clarificador desde
el tanque de acondicionamiento de temperatura llamado “Tanque flash”.
Control de proceso
Después de definir las especificaciones para recopilar datos, que correspondió a la cantidad
de datos necesarios, tamaño de la muestra y frecuencia de muestreo y haberlas utilizado para
recopilar los datos de las variables en estudio, se verificó si el proceso estaba estable mediante el
uso de herramientas estadísticas como el análisis de normalidad, histogramas y gráficos de control
(Isniah & Purba, 2021). Para crear los histogramas de las variables analizadas (porcentaje de
sacarosa y azúcares reductores en jugo claro), se ingresaron los datos correspondientes en el
software “R”. Las gráficas de los histogramas se muestran en las Figura 1, y su interpretación se
detalla en la Tabla 3:
Tabla 3
Límites y media de especificación de las variables en estudio, para la elaboración de
histogramas
Azúcares reductores Porcentaje de Pureza en Jugo claro
Número de datos 48 Número de datos 48
Límite superior calculado 0,54 Límite superior calculado 86,52
Límite inferior calculado 0,41 Límite inferior calculado 83,72
Media calculada 0,48 Media calculada 85,12
Figura 1
Histograma de Pureza de Jugo Claro
Los histogramas muestran que tanto el nivel de pureza en el jugo claro como el contenido
de azúcares reductores presentan una distribución normal, lo que facilita la aplicación del control
estadístico de procesos (CEP). La correcta adaptación a la curva normal señala que el proceso es
estable y que los valores se encuentran dentro de los límites de control establecidos. Es
recomendable mantener un seguimiento de las variaciones que sobrepasan estos límites para
asegurar la consistencia y calidad del producto final.
Vol. 12/ Núm. 2 2025 pág. 181
Figura 2
Histograma de Azúcares Reductores
Los datos de los histogramas muestran que tanto el Porcentaje de Pureza en Jugo Claro
como el Contenido de Azúcares Reductores mantienen un proceso estable y no presentan valores
atípicos fuera de los límites de control establecidos. El gráfico de rangos confirma la estabilidad
del proceso; no obstante, se aconseja mejorar el control estadístico antes de proceder a realizar
posibles mejoras. Adicionalmente se ha observado que el contenido de azúcares reductores se
mantiene dentro de los niveles permitidos para evitar posibles pérdidas sustanciales en sacarosa.
Se emplearon los datos de la Tabla 3 en el programa R para crear gráficos de control de
medias y rangos de Azúcares Reductores (AR) y Porcentaje de Pureza en Jugo Claro. El análisis
realizado en la Figura 3 y 4 y Tabla 4, evalúa la estabilidad del procedimiento mediante criterios
como valores fuera de los límites establecidos por controladores, cumplimiento de las líneas
maestras, secuencias, patrones y corridas; esto permite detectar variaciones y perfeccionar el
proceso de clarificación.
Figura 3
Gráficos X-R de la variable Azúcares reductores en Jugo Claro
Figura 2
Histograma de Azúcares Reductores
Los datos de los histogramas muestran que tanto el Porcentaje de Pureza en Jugo Claro
como el Contenido de Azúcares Reductores mantienen un proceso estable y no presentan valores
atípicos fuera de los límites de control establecidos. El gráfico de rangos confirma la estabilidad
del proceso; no obstante, se aconseja mejorar el control estadístico antes de proceder a realizar
posibles mejoras. Adicionalmente se ha observado que el contenido de azúcares reductores se
mantiene dentro de los niveles permitidos para evitar posibles pérdidas sustanciales en sacarosa.
Se emplearon los datos de la Tabla 3 en el programa R para crear gráficos de control de
medias y rangos de Azúcares Reductores (AR) y Porcentaje de Pureza en Jugo Claro. El análisis
realizado en la Figura 3 y 4 y Tabla 4, evalúa la estabilidad del procedimiento mediante criterios
como valores fuera de los límites establecidos por controladores, cumplimiento de las líneas
maestras, secuencias, patrones y corridas; esto permite detectar variaciones y perfeccionar el
proceso de clarificación.
Figura 3
Gráficos X-R de la variable Azúcares reductores en Jugo Claro
Vol. 12/ Núm. 2 2025 pág. 182
Figura 4
Gráficos X-R de la variable Porcentaje de Pureza de Jugo Claro
El proceso se mantiene dentro de los límites establecidos de control de clarificación. Para
afirmar lo antes mencionado es necesario realizar un análisis más preciso del proceso para ello se
realiza el análisis de patrones que podrían estar afectando al proceso.
Tabla 4
Descripción de patrones
Patrones
Variable Puntos
fuera de los
límites
Adhesión a
líneas de
control
Series Tendencias Corridas
Azúcares
reductores Si No No No No
% Pureza JC Si No No No No
El análisis indica que el proceso de clarificación está bajo control, aunque se observan
tendencias no constantes que podrían atribuirse a fluctuaciones en el flujo del líquido, lo que
podría introducir interferencias en investigaciones futuras. Estudios en la industria azucarera
subrayan la importancia del Control Estadístico de Procesos (CEP) y la supervisión continua a
través de gráficos de control para optimizar la estabilidad y la calidad del proceso.
Se reconocen factores que pueden influir en la gestión del proceso en la planta de
producción, como son alteraciones que salgan de los límites establecidos de control
(modificaciones en el personal, equipos o métodos), cumplimiento de los límites de control
establecidos (desgaste de equipos y acumulación de residuos), patrones y tendencias
identificables a lo largo del tiempo(sucesivos cambios en el entorno o ajustes innecesarios), y
corrida (o fallos en los procesos de control o manipulación intencionada de resultados). Además
de esto se observó que la reducción de los azúcares reductores afectaba la recuperación de
Figura 4
Gráficos X-R de la variable Porcentaje de Pureza de Jugo Claro
El proceso se mantiene dentro de los límites establecidos de control de clarificación. Para
afirmar lo antes mencionado es necesario realizar un análisis más preciso del proceso para ello se
realiza el análisis de patrones que podrían estar afectando al proceso.
Tabla 4
Descripción de patrones
Patrones
Variable Puntos
fuera de los
límites
Adhesión a
líneas de
control
Series Tendencias Corridas
Azúcares
reductores Si No No No No
% Pureza JC Si No No No No
El análisis indica que el proceso de clarificación está bajo control, aunque se observan
tendencias no constantes que podrían atribuirse a fluctuaciones en el flujo del líquido, lo que
podría introducir interferencias en investigaciones futuras. Estudios en la industria azucarera
subrayan la importancia del Control Estadístico de Procesos (CEP) y la supervisión continua a
través de gráficos de control para optimizar la estabilidad y la calidad del proceso.
Se reconocen factores que pueden influir en la gestión del proceso en la planta de
producción, como son alteraciones que salgan de los límites establecidos de control
(modificaciones en el personal, equipos o métodos), cumplimiento de los límites de control
establecidos (desgaste de equipos y acumulación de residuos), patrones y tendencias
identificables a lo largo del tiempo(sucesivos cambios en el entorno o ajustes innecesarios), y
corrida (o fallos en los procesos de control o manipulación intencionada de resultados). Además
de esto se observó que la reducción de los azúcares reductores afectaba la recuperación de
Vol. 12/ Núm. 2 2025 pág. 183
sacarosa resultando en una pérdida estimada del 0,314 % (equivalente a 0,36 kg/t de jugo), lo cual
impactaba negativamente en la eficacia del proceso de clarificación.
Tabla 5
Análisis de pérdida en recuperación por efecto de la destrucción de azúcares reductores
Proceso Pureza
Objetivo
Pureza
Recuperación
Diferencia
Pureza
Diferencia
Recuperación
(kg/día)
Diferencia
Azúcares
Reductores
Jugo Mixto 85,94 84,61 98,46 1061,16 0,89
Jugo Claro 85,12 84,46 99,23 - -
Es evidente que hay una pérdida de sacarosa por conversión en azúcares reductores
durante el proceso de clarificación, ya que se dan condiciones para ello. Sin embargo, es
importante considerar que a menor variación del pH en el jugo sulfitado y a menor temperatura
al entrar al clarificador, se reducirá la pérdida de sacarosa atribuida a la inversión y a la
descomposición térmica. La tabla 6 presenta las toneladas de azúcar que se pueden recuperar al
reducir la conversión de sacarosa, alcanzando un total de 324 toneladas. Esto resulta en un
aumento de ingresos para el ingenio de 272.354,15 USD anuales.
Tabla 6
Recuperación de sacarosa e incremento de ingresos
Descripción Toneladas Producidas Costo kg USD/Año
Producción sin
intervención
38.387,36 0,613 32.302.967,53
Incremento 0.84% 0,608 272.354,15
Producción con
intervención
Azúcar Blanca
Azúcar Morena
38.711,02
36.791,75
1.919,27
32.575.321,68
263.383,63
8.970,53
DISCUSIÓN
Durante la evaluación del proceso de clarificación de jugos, se determinó la pérdida
efectiva de sacarosa y el aumento de azúcares reductores mediante el análisis estadístico
descriptivo y pruebas de normalidad, destacando que, los resultados señalan que los datos sobre
azúcares reductores y porcentaje de pureza siguen una distribución normal, lo que posibilitó la
aplicación de pruebas inferenciales para analizar la importancia de las variables en estudio. Así
mismo, el análisis ANOVA demostró que el pH del jugo sulfitado (JS pH) y la temperatura de
calentamiento (TEMPFLASH), junto a otros factores, tuvo un gran impacto en la calidad del jugó
clarificado y la variación de los azúcares reductores.
El comportamiento de estas variables en este estudio coincide con lo que
(Laksameethanasana et al., 2012) concluyeron sobre que altas temperaturas (80°C) ayudaban a
eliminar la turbidez y el color del jugo de caña; sin embargo, una exposición prolongada podría
sacarosa resultando en una pérdida estimada del 0,314 % (equivalente a 0,36 kg/t de jugo), lo cual
impactaba negativamente en la eficacia del proceso de clarificación.
Tabla 5
Análisis de pérdida en recuperación por efecto de la destrucción de azúcares reductores
Proceso Pureza
Objetivo
Pureza
Recuperación
Diferencia
Pureza
Diferencia
Recuperación
(kg/día)
Diferencia
Azúcares
Reductores
Jugo Mixto 85,94 84,61 98,46 1061,16 0,89
Jugo Claro 85,12 84,46 99,23 - -
Es evidente que hay una pérdida de sacarosa por conversión en azúcares reductores
durante el proceso de clarificación, ya que se dan condiciones para ello. Sin embargo, es
importante considerar que a menor variación del pH en el jugo sulfitado y a menor temperatura
al entrar al clarificador, se reducirá la pérdida de sacarosa atribuida a la inversión y a la
descomposición térmica. La tabla 6 presenta las toneladas de azúcar que se pueden recuperar al
reducir la conversión de sacarosa, alcanzando un total de 324 toneladas. Esto resulta en un
aumento de ingresos para el ingenio de 272.354,15 USD anuales.
Tabla 6
Recuperación de sacarosa e incremento de ingresos
Descripción Toneladas Producidas Costo kg USD/Año
Producción sin
intervención
38.387,36 0,613 32.302.967,53
Incremento 0.84% 0,608 272.354,15
Producción con
intervención
Azúcar Blanca
Azúcar Morena
38.711,02
36.791,75
1.919,27
32.575.321,68
263.383,63
8.970,53
DISCUSIÓN
Durante la evaluación del proceso de clarificación de jugos, se determinó la pérdida
efectiva de sacarosa y el aumento de azúcares reductores mediante el análisis estadístico
descriptivo y pruebas de normalidad, destacando que, los resultados señalan que los datos sobre
azúcares reductores y porcentaje de pureza siguen una distribución normal, lo que posibilitó la
aplicación de pruebas inferenciales para analizar la importancia de las variables en estudio. Así
mismo, el análisis ANOVA demostró que el pH del jugo sulfitado (JS pH) y la temperatura de
calentamiento (TEMPFLASH), junto a otros factores, tuvo un gran impacto en la calidad del jugó
clarificado y la variación de los azúcares reductores.
El comportamiento de estas variables en este estudio coincide con lo que
(Laksameethanasana et al., 2012) concluyeron sobre que altas temperaturas (80°C) ayudaban a
eliminar la turbidez y el color del jugo de caña; sin embargo, una exposición prolongada podría
Vol. 12/ Núm. 2 2025 pág. 184
resultar en la formación de compuestos coloreados y la degradación de azúcares reductores. En
contraste a lo anteriormente mencionado en este estudio, los resultados de la regresión lineal
mostraron que la temperatura parece tener una influencia mínima en la cantidad de azúcares
reductores (valor de p = 0,0812), lo cual destaca que su efectividad es menor en comparación al
pH presente en el jugo sulfatado.
Sin embargo, investigaciones recientes indican que este efecto no siempre es lineal y que
el pH podría interactuar junto a otros factores como la temperatura y el tiempo de clarificación
(Saitoh et al., 2014). Por otra parte, se ha señalado en investigaciones previas que elementos como
la variedad de la caña de azúcar, las prácticas de manejo agronómico y las condiciones del entorno
pueden tener un impacto aún mayor en los niveles de azúcares presentes en el jugo (Vargas Díaz
et al., 2023). Específicamente (Lamanna et al., 2009) determinaron que la modificación del nivel
de pH durante la fase de clarificación tiene un efecto directo en la calidad del azúcar clarificado
y aumenta considerablemente su grado de pureza.
El análisis de varianza reveló que el nivel de acidez del jugo Sulfitado (JS) tiene un
impacto significativo en la calidad del jugo clarificado. Con un valor de p de 0,0432, lo que indica
que controlar este factor de manera precisa resulta esencial para mejorar el rendimiento del
proceso. No obstante, el nivel de acidez en las etapas posteriores (jugo encalado y jugo
clarificado) no presentó una correlación relevante con la calidad final del jugo clarificado. En lo
que respecta a la temperatura del tanque flash se encontró una relación no significativa (p =
0,0812) con la concentración de azúcares reductores, lo cual sugiere que un cambio en este
parámetro podría afectar la estabilidad del proceso de clarificación.
Estos resultados concuerdan con estudios previos que resaltan la importancia del pH y la
temperatura en el proceso de clarificación de los jugos azucarados. (Avalos & Ponte, 2019)
indicaron que el pH puede influir en la clarificación de forma moderada; mientras que (Prati &
Moretti, 2010) identificaron que la temperatura juega un papel relevante en la disolución de los
azúcares. Según la investigación realizada por (Marasinghege et al., 2024) destaca que diversos
aspectos afectan la calidad del jugo clarificado; en particular el tiempo de clarificación y la
utilización de agentes clarificantes.
Investigaciones anteriores han resaltado la relevancia de mantener un pH óptimo para
evitar cambios significativos en la clarificación de los jugos, según un estudio realizado por
(Zaidan et al., 2021) estableció que el proceso de clarificación mediante sulfitación demanda una
cuidadosa regulación del pH para reducir al mínimo la creación de compuestos indeseados y
conservar la calidad del producto final. Destacando que, los resultados del presente estudio,
muestran que el nivel de pH en el jugo es el factor de mayor influencia en la calidad del producto
clarificado.
Los hallazgos de (Sewwandi et al., 2021) fueron consistentes en su estudio sobre la
clarificación del jugo de caña a través de diferentes niveles de pH; determinaron que valores por
resultar en la formación de compuestos coloreados y la degradación de azúcares reductores. En
contraste a lo anteriormente mencionado en este estudio, los resultados de la regresión lineal
mostraron que la temperatura parece tener una influencia mínima en la cantidad de azúcares
reductores (valor de p = 0,0812), lo cual destaca que su efectividad es menor en comparación al
pH presente en el jugo sulfatado.
Sin embargo, investigaciones recientes indican que este efecto no siempre es lineal y que
el pH podría interactuar junto a otros factores como la temperatura y el tiempo de clarificación
(Saitoh et al., 2014). Por otra parte, se ha señalado en investigaciones previas que elementos como
la variedad de la caña de azúcar, las prácticas de manejo agronómico y las condiciones del entorno
pueden tener un impacto aún mayor en los niveles de azúcares presentes en el jugo (Vargas Díaz
et al., 2023). Específicamente (Lamanna et al., 2009) determinaron que la modificación del nivel
de pH durante la fase de clarificación tiene un efecto directo en la calidad del azúcar clarificado
y aumenta considerablemente su grado de pureza.
El análisis de varianza reveló que el nivel de acidez del jugo Sulfitado (JS) tiene un
impacto significativo en la calidad del jugo clarificado. Con un valor de p de 0,0432, lo que indica
que controlar este factor de manera precisa resulta esencial para mejorar el rendimiento del
proceso. No obstante, el nivel de acidez en las etapas posteriores (jugo encalado y jugo
clarificado) no presentó una correlación relevante con la calidad final del jugo clarificado. En lo
que respecta a la temperatura del tanque flash se encontró una relación no significativa (p =
0,0812) con la concentración de azúcares reductores, lo cual sugiere que un cambio en este
parámetro podría afectar la estabilidad del proceso de clarificación.
Estos resultados concuerdan con estudios previos que resaltan la importancia del pH y la
temperatura en el proceso de clarificación de los jugos azucarados. (Avalos & Ponte, 2019)
indicaron que el pH puede influir en la clarificación de forma moderada; mientras que (Prati &
Moretti, 2010) identificaron que la temperatura juega un papel relevante en la disolución de los
azúcares. Según la investigación realizada por (Marasinghege et al., 2024) destaca que diversos
aspectos afectan la calidad del jugo clarificado; en particular el tiempo de clarificación y la
utilización de agentes clarificantes.
Investigaciones anteriores han resaltado la relevancia de mantener un pH óptimo para
evitar cambios significativos en la clarificación de los jugos, según un estudio realizado por
(Zaidan et al., 2021) estableció que el proceso de clarificación mediante sulfitación demanda una
cuidadosa regulación del pH para reducir al mínimo la creación de compuestos indeseados y
conservar la calidad del producto final. Destacando que, los resultados del presente estudio,
muestran que el nivel de pH en el jugo es el factor de mayor influencia en la calidad del producto
clarificado.
Los hallazgos de (Sewwandi et al., 2021) fueron consistentes en su estudio sobre la
clarificación del jugo de caña a través de diferentes niveles de pH; determinaron que valores por
Vol. 12/ Núm. 2 2025 pág. 185
encima de 7,5 favorecían la eliminación de impurezas, pero podrían comprometer la estabilidad
del proceso.
Los datos de las variables estudiadas indicaron que la proporción de pureza y azúcares
reducidos sigue una distribución normal, lo que facilita la implementación del CEP, obteniendo
que los valores están dentro de los límites de control establecidos; sin embargo, se sugiere vigilar
cualquier variación fuera de estos límites para prevenir pérdidas en la producción de sacarosa.
Investigaciones previas como las de (Laksameethanasana et al., 2012) han subrayado la relevancia
del CEP en la clarificación del jugo de caña; subrayando que la utilización de gráficos de control
tipo barra-X posibilita la pronta detección de desviaciones en el proceso y el incrementar la
eficacia operativa. En la presente investigación se observó que a pesar de la estabilidad del
procedimiento existían cambios que podrían ser resultado de variaciones en el rendimiento del
equipo o en la eficacia del proceso de separación de impurezas.
Así mismo, (Chiaramonte de Castro & Bernardo, 2019) investigaron el uso de gráficos
de control en la clarificación de jugos, destacando que los gráficos X-barra permiten identificar
rápidamente variaciones inusuales, lo que ayuda a lograr un proceso más eficiente y controlado.
Mientras que, (Paixão et al., 2020) mostraron que los gráficos de control, al ser utilizados
correctamente, no solo detectan problemas, sino que también ayudan a prevenir defectos y a
optimizar parámetros operacionales como el pH y la temperatura en la clarificación.
También en el estudio de (González Campos, 2023), se determinó que los análisis
estadísticos revelaron patrones de comportamiento y tendencias que antes no eran evidentes. Con
base en estas conclusiones, se propusieron modificaciones específicas en los procesos para
optimizar la eficiencia, reducir costos y mejorar la calidad del servicio.
CONCLUSIONES
La producción de caña de azúcar en Ecuador es fundamental no solo para la economía de
los factores del proceso que influyen en la clarificación del jugo y en su eficacia fueron analizados
mediante herramientas estadísticas y pruebas experimentales. Se identificó que la sulfitación del
jugo, específicamente el control del pH en esta etapa, tiene una relación significativa con la pureza
del jugo clarificado, resaltando la importancia de una gestión precisa de este parámetro. Aunque
la temperatura del jugo podría afectar la calidad final y la concentración de azúcares reductores,
el nivel de significancia estadística obtenido (p = 0.0812) no permitió llegar a una conclusión
definitiva, por lo que se recomienda realizar estudios adicionales para confirmar su impacto.
Además, la interacción entre pH y temperatura resultó ser relevante para la eficacia del
procedimiento, lo que sugiere que la combinación de estos factores debe ser cuidadosamente
monitoreada para optimizar el proceso de clarificación. A pesar de estas variaciones, los gráficos
de control del proceso indicaron que la clarificación se mantiene estable y dentro de los límites
encima de 7,5 favorecían la eliminación de impurezas, pero podrían comprometer la estabilidad
del proceso.
Los datos de las variables estudiadas indicaron que la proporción de pureza y azúcares
reducidos sigue una distribución normal, lo que facilita la implementación del CEP, obteniendo
que los valores están dentro de los límites de control establecidos; sin embargo, se sugiere vigilar
cualquier variación fuera de estos límites para prevenir pérdidas en la producción de sacarosa.
Investigaciones previas como las de (Laksameethanasana et al., 2012) han subrayado la relevancia
del CEP en la clarificación del jugo de caña; subrayando que la utilización de gráficos de control
tipo barra-X posibilita la pronta detección de desviaciones en el proceso y el incrementar la
eficacia operativa. En la presente investigación se observó que a pesar de la estabilidad del
procedimiento existían cambios que podrían ser resultado de variaciones en el rendimiento del
equipo o en la eficacia del proceso de separación de impurezas.
Así mismo, (Chiaramonte de Castro & Bernardo, 2019) investigaron el uso de gráficos
de control en la clarificación de jugos, destacando que los gráficos X-barra permiten identificar
rápidamente variaciones inusuales, lo que ayuda a lograr un proceso más eficiente y controlado.
Mientras que, (Paixão et al., 2020) mostraron que los gráficos de control, al ser utilizados
correctamente, no solo detectan problemas, sino que también ayudan a prevenir defectos y a
optimizar parámetros operacionales como el pH y la temperatura en la clarificación.
También en el estudio de (González Campos, 2023), se determinó que los análisis
estadísticos revelaron patrones de comportamiento y tendencias que antes no eran evidentes. Con
base en estas conclusiones, se propusieron modificaciones específicas en los procesos para
optimizar la eficiencia, reducir costos y mejorar la calidad del servicio.
CONCLUSIONES
La producción de caña de azúcar en Ecuador es fundamental no solo para la economía de
los factores del proceso que influyen en la clarificación del jugo y en su eficacia fueron analizados
mediante herramientas estadísticas y pruebas experimentales. Se identificó que la sulfitación del
jugo, específicamente el control del pH en esta etapa, tiene una relación significativa con la pureza
del jugo clarificado, resaltando la importancia de una gestión precisa de este parámetro. Aunque
la temperatura del jugo podría afectar la calidad final y la concentración de azúcares reductores,
el nivel de significancia estadística obtenido (p = 0.0812) no permitió llegar a una conclusión
definitiva, por lo que se recomienda realizar estudios adicionales para confirmar su impacto.
Además, la interacción entre pH y temperatura resultó ser relevante para la eficacia del
procedimiento, lo que sugiere que la combinación de estos factores debe ser cuidadosamente
monitoreada para optimizar el proceso de clarificación. A pesar de estas variaciones, los gráficos
de control del proceso indicaron que la clarificación se mantiene estable y dentro de los límites
Vol. 12/ Núm. 2 2025 pág. 186
operativos establecidos, evidenciando un control adecuado de los parámetros operativos en el
ingenio azucarero.
En cuanto a la relación entre los ajustes en el proceso de clarificación y la reducción de
azúcares reductores, los resultados indican que la eliminación de impurezas y la optimización del
proceso de clarificación tienen un impacto directo en la pureza del jugo. Se observó que la
disminución de azúcares reductores durante el proceso mejora significativamente la recuperación
de sacarosa, lo que resulta en un producto final de mayor calidad y valor en el mercado. Sin
embargo, aunque el pH mostró una relación con la pureza del jugo clarificado, su influencia en la
reducción de azúcares reductores no fue significativa en todas las mediciones realizadas. Esto
sugiere que otros factores operativos, además del pH, podrían estar afectando la reducción de
estos compuestos, por lo que se recomienda profundizar en la investigación para identificar con
mayor precisión cuáles son los elementos clave en este proceso.
Para optimizar el procedimiento de control de calidad en las operaciones de clarificación
de jugo en el Ingenio Azucarero del Norte, se sugiere la implementación de herramientas
estadísticas avanzadas como ANOVA y gráficos de control de la media (X-barra), las cuales
permitirán un monitoreo más preciso de los parámetros críticos del proceso. La confirmación de
la normalidad en los datos mediante la prueba de Shapiro-Wilk respalda la validez del análisis
estadístico y facilita la toma de decisiones basada en evidencia.
Asimismo, el control riguroso del pH en la etapa de sulfitación es esencial para mejorar
la eficiencia del proceso y la calidad del jugo clarificado. Se calculó que una optimización efectiva
del procedimiento podría generar un incremento en los ingresos de aproximadamente 272,354
dólares anuales, lo que resalta la importancia de implementar mejoras en la gestión del proceso
de clarificación. Finalmente, se recomienda continuar con estudios que permitan evaluar la
interacción de diferentes variables operativas y su influencia en la calidad del azúcar,
promoviendo la adopción de tecnologías avanzadas y metodologías de control para mejorar la
rentabilidad y sostenibilidad del sector azucarero.
Consideraciones éticas
La investigación tuvo fines académicos y se centró en el proceso de clarificación de jugos
en un ingenio azucarero para la obtención de sacarosa. Se garantizó el cumplimiento de principios
éticos, incluyendo la gestión del consentimiento de los informantes. No tuvo implicaciones
políticas, económicas, religiosas ni de otra índole que afectaran a los participantes. Se siguió la
normativa establecida para la redacción científica.
Conflicto de interés
El autor declara que no existen conflictos de interés en relación con este estudio, ya que
no hay intereses personales ni financieros que pudieran influir inapropiadamente en la
representación o interpretación de los resultados. Asimismo, se especifica que los patrocinadores
no tuvieron ningún papel en el diseño del estudio, la recopilación, el análisis o la interpretación
operativos establecidos, evidenciando un control adecuado de los parámetros operativos en el
ingenio azucarero.
En cuanto a la relación entre los ajustes en el proceso de clarificación y la reducción de
azúcares reductores, los resultados indican que la eliminación de impurezas y la optimización del
proceso de clarificación tienen un impacto directo en la pureza del jugo. Se observó que la
disminución de azúcares reductores durante el proceso mejora significativamente la recuperación
de sacarosa, lo que resulta en un producto final de mayor calidad y valor en el mercado. Sin
embargo, aunque el pH mostró una relación con la pureza del jugo clarificado, su influencia en la
reducción de azúcares reductores no fue significativa en todas las mediciones realizadas. Esto
sugiere que otros factores operativos, además del pH, podrían estar afectando la reducción de
estos compuestos, por lo que se recomienda profundizar en la investigación para identificar con
mayor precisión cuáles son los elementos clave en este proceso.
Para optimizar el procedimiento de control de calidad en las operaciones de clarificación
de jugo en el Ingenio Azucarero del Norte, se sugiere la implementación de herramientas
estadísticas avanzadas como ANOVA y gráficos de control de la media (X-barra), las cuales
permitirán un monitoreo más preciso de los parámetros críticos del proceso. La confirmación de
la normalidad en los datos mediante la prueba de Shapiro-Wilk respalda la validez del análisis
estadístico y facilita la toma de decisiones basada en evidencia.
Asimismo, el control riguroso del pH en la etapa de sulfitación es esencial para mejorar
la eficiencia del proceso y la calidad del jugo clarificado. Se calculó que una optimización efectiva
del procedimiento podría generar un incremento en los ingresos de aproximadamente 272,354
dólares anuales, lo que resalta la importancia de implementar mejoras en la gestión del proceso
de clarificación. Finalmente, se recomienda continuar con estudios que permitan evaluar la
interacción de diferentes variables operativas y su influencia en la calidad del azúcar,
promoviendo la adopción de tecnologías avanzadas y metodologías de control para mejorar la
rentabilidad y sostenibilidad del sector azucarero.
Consideraciones éticas
La investigación tuvo fines académicos y se centró en el proceso de clarificación de jugos
en un ingenio azucarero para la obtención de sacarosa. Se garantizó el cumplimiento de principios
éticos, incluyendo la gestión del consentimiento de los informantes. No tuvo implicaciones
políticas, económicas, religiosas ni de otra índole que afectaran a los participantes. Se siguió la
normativa establecida para la redacción científica.
Conflicto de interés
El autor declara que no existen conflictos de interés en relación con este estudio, ya que
no hay intereses personales ni financieros que pudieran influir inapropiadamente en la
representación o interpretación de los resultados. Asimismo, se especifica que los patrocinadores
no tuvieron ningún papel en el diseño del estudio, la recopilación, el análisis o la interpretación
Vol. 12/ Núm. 2 2025 pág. 187
de los datos, en la redacción del manuscrito, ni en la decisión de publicar los resultados. Esta
declaración asegura la transparencia y la integridad del trabajo presentado.
Declaración de contribución de los autores
Widmar Santiago Villarreal Revelo desarrolló la investigación en campo, análisis de
datos y redacción del artículo científico; Luis Viveros Almeida proporcionó asesoría en el diseño
metodológico y el análisis crítico de los resultados.
Fuente de financiación
La investigación sobre el control de calidad en la clarificación de jugo en un ingenio
azucarero se realizó sin financiamiento externo ni subvenciones, basándose únicamente en el
esfuerzo personal del autor. Esta autonomía permitió mayor flexibilidad en el desarrollo del
estudio, asegurando que los resultados reflejen con precisión la realidad del proceso sin
influencias externas que comprometan la objetividad. La financiación independiente destaca el
compromiso del autor con la integridad y el rigor científico en su trabajo, garantizando la
autenticidad de las conclusiones obtenidas.
de los datos, en la redacción del manuscrito, ni en la decisión de publicar los resultados. Esta
declaración asegura la transparencia y la integridad del trabajo presentado.
Declaración de contribución de los autores
Widmar Santiago Villarreal Revelo desarrolló la investigación en campo, análisis de
datos y redacción del artículo científico; Luis Viveros Almeida proporcionó asesoría en el diseño
metodológico y el análisis crítico de los resultados.
Fuente de financiación
La investigación sobre el control de calidad en la clarificación de jugo en un ingenio
azucarero se realizó sin financiamiento externo ni subvenciones, basándose únicamente en el
esfuerzo personal del autor. Esta autonomía permitió mayor flexibilidad en el desarrollo del
estudio, asegurando que los resultados reflejen con precisión la realidad del proceso sin
influencias externas que comprometan la objetividad. La financiación independiente destaca el
compromiso del autor con la integridad y el rigor científico en su trabajo, garantizando la
autenticidad de las conclusiones obtenidas.
Vol. 12/ Núm. 2 2025 pág. 188
REFERENCIAS
Akhtar, A., Subbiah, S., Mohanty, K., Sundar, R., Unnikrishnan, R., & Hareesh, U. S. (2020).
Sugarcane juice clarification by lanthanum phosphate nanofibril coated ceramic
ultrafiltration membrane: PPO removal in absence of lime pre-treatment, fouling and
cleaning studies. Separation and Purification Technology, 249, 117157.
https://doi.org/10.1016/j.seppur.2020.117157
Alım, M., & Kesen, S. E. (2023). Statistical Process Control (SPC) and Quality Management. In
Smart and Sustainable Operations and Supply Chain Management in Industry 4.0 (pp.
117–136). CRC Press. https://doi.org/10.1201/9781003180302-6
Avalos, J., & Ponte, R. (2019). Efecto del pH y temperatura en la clarificación del jugo de caña
de azúcar (saccharum officinarum) por carbonatación [Universidad Nacional Del Santa].
https://repositorio.uns.edu.pe/handle/20.500.14278/3386
Babu, A. S., & Adeyeye, S. A. O. (2024). Extraction of sugar from sugar beets and cane sugar. In
Extraction Processes in the Food Industry (pp. 177–196). Elsevier.
https://doi.org/10.1016/B978-0-12-819516-1.00007-7
Beeram, S., Morapakala, S., Deshmukh, S. S., & Sunkara, P. R. (2020). Selection of suitable and
sustainable clarificants and clarification method for non-centrifugal sugar production using
MCE. Materials Today: Proceedings, 28, 893–897.
https://doi.org/10.1016/j.matpr.2019.12.319
Boggan, E., & Ver, S. (1995). Módulo de Enfoque de Negocio de los Equipos. Competitive
Solutions, Inc.,.
Chávez Cruz, R., Heras Garzón, J., & Echeverria Bravo, C. (2022). Producción de panela en el
Cantón Atahualpa, Ecuador. Un acercamiento al cumplimiento de la tributación. SUMMA.
Revista Disciplinaria En Ciencias Económicas y Sociales, 4(2).
https://doi.org/10.47666/summa.4.2.10
Chiaramonte de Castro, B. J., & Bernardo, A. (2019). Evaluation of cane sugar production using
multivariate statistical methods. The Journal of Engineering and Exact Sciences, 5(3),
0228–0237. https://doi.org/10.18540/jcecvl5iss3pp0228-0237
Cywinska, M., Chen, Z., Groele, B., & Marszałek, K. (2023). Application of Emerging
Techniques in Reduction of the Sugar Content of Fruit Juice: Current Challenges and
Future Perspectives. Foods, 12(6), 1181. https://doi.org/10.3390/foods12061181
Du, N., Pan, L., Liu, J., Wang, L., Li, H., Li, K., Xie, C., Hang, F., Lu, H., & Li, W. (2022).
Clarification of Limed Sugarcane Juice by Stainless Steel Membranes and Membrane
Fouling Analysis. Membranes, 12(10), 910. https://doi.org/10.3390/membranes12100910
García Asprilla, I. del S., & Ramírez-Navas, J. S. (2018). Near-infrared spectroscopy: a rapid
alternative technique to reducing sugars determination in juice of sugarcane (Saccharum
REFERENCIAS
Akhtar, A., Subbiah, S., Mohanty, K., Sundar, R., Unnikrishnan, R., & Hareesh, U. S. (2020).
Sugarcane juice clarification by lanthanum phosphate nanofibril coated ceramic
ultrafiltration membrane: PPO removal in absence of lime pre-treatment, fouling and
cleaning studies. Separation and Purification Technology, 249, 117157.
https://doi.org/10.1016/j.seppur.2020.117157
Alım, M., & Kesen, S. E. (2023). Statistical Process Control (SPC) and Quality Management. In
Smart and Sustainable Operations and Supply Chain Management in Industry 4.0 (pp.
117–136). CRC Press. https://doi.org/10.1201/9781003180302-6
Avalos, J., & Ponte, R. (2019). Efecto del pH y temperatura en la clarificación del jugo de caña
de azúcar (saccharum officinarum) por carbonatación [Universidad Nacional Del Santa].
https://repositorio.uns.edu.pe/handle/20.500.14278/3386
Babu, A. S., & Adeyeye, S. A. O. (2024). Extraction of sugar from sugar beets and cane sugar. In
Extraction Processes in the Food Industry (pp. 177–196). Elsevier.
https://doi.org/10.1016/B978-0-12-819516-1.00007-7
Beeram, S., Morapakala, S., Deshmukh, S. S., & Sunkara, P. R. (2020). Selection of suitable and
sustainable clarificants and clarification method for non-centrifugal sugar production using
MCE. Materials Today: Proceedings, 28, 893–897.
https://doi.org/10.1016/j.matpr.2019.12.319
Boggan, E., & Ver, S. (1995). Módulo de Enfoque de Negocio de los Equipos. Competitive
Solutions, Inc.,.
Chávez Cruz, R., Heras Garzón, J., & Echeverria Bravo, C. (2022). Producción de panela en el
Cantón Atahualpa, Ecuador. Un acercamiento al cumplimiento de la tributación. SUMMA.
Revista Disciplinaria En Ciencias Económicas y Sociales, 4(2).
https://doi.org/10.47666/summa.4.2.10
Chiaramonte de Castro, B. J., & Bernardo, A. (2019). Evaluation of cane sugar production using
multivariate statistical methods. The Journal of Engineering and Exact Sciences, 5(3),
0228–0237. https://doi.org/10.18540/jcecvl5iss3pp0228-0237
Cywinska, M., Chen, Z., Groele, B., & Marszałek, K. (2023). Application of Emerging
Techniques in Reduction of the Sugar Content of Fruit Juice: Current Challenges and
Future Perspectives. Foods, 12(6), 1181. https://doi.org/10.3390/foods12061181
Du, N., Pan, L., Liu, J., Wang, L., Li, H., Li, K., Xie, C., Hang, F., Lu, H., & Li, W. (2022).
Clarification of Limed Sugarcane Juice by Stainless Steel Membranes and Membrane
Fouling Analysis. Membranes, 12(10), 910. https://doi.org/10.3390/membranes12100910
García Asprilla, I. del S., & Ramírez-Navas, J. S. (2018). Near-infrared spectroscopy: a rapid
alternative technique to reducing sugars determination in juice of sugarcane (Saccharum
Vol. 12/ Núm. 2 2025 pág. 189
officinarum L.). Journal of Pharmacy & Pharmacognosy Research, 6(1), 392–401.
https://doi.org/10.56499/jppres18.374_6.5.392
Gessa, A., Marin, E., & Sancha, P. (2022). A practical application of statistical process control to
evaluate the performance rate of academic programmes: implications and suggestions.
Quality Assurance in Education, 30(4), 571–588. https://doi.org/10.1108/QAE-03-2022-
0065
González Campos, E. (2023). Application of statistical processes control for the performance
improvement of a clinical engineering department. Global Clinical Engineering Journal,
6(1), 29–35. https://doi.org/10.31354/globalce.v6i1.160
Hobbs, J., Katzfuss, M., Nguyen, H., Yadav, V., & Liu, J. (2024). Functional analysis of variance
(ANOVA) for carbon flux estimates from remote sensing data. Geoscientific Model
Development, 17(3), 1133–1151. https://doi.org/10.5194/gmd-17-1133-2024
Isniah, S., & Purba, H. H. (2021). The Application of Using Statistical Process Control (SPC)
Tools : Research Issues and Literature Review. Spektrum Industri, 19(2), 125.
https://doi.org/10.12928/si.v19i2.19035
Laksameethanasana, P., Somla, N., Janprem, S., & Phochuen, N. (2012). Clarification of
sugarcane juice for syrup production. Procedia Engineering, 32, 141–147.
https://doi.org/10.1016/j.proeng.2012.01.1248
Marasinghege, C., Shi, C., Bottle, S., Bartley, J., Doherty, W. O. S., & Rackemann, D. W. (2024).
One pot two-alkali clarification process to minimize sucrose degradation of clarified
sugarcane juice during evaporation. Journal of Food Engineering, 374, 112022.
https://doi.org/10.1016/j.jfoodeng.2024.112022
Marino, M. F. (2024). Applied Linear Regression for Longitudinal Data: With an Emphasis on
Missing Observations Applied Linear Regression for Longitudinal Data: With an Emphasis
on Missing Observations, Frans E. S. Tan and Shahab Jolani, Boca Raton, FL: Chapman
& Hall/CRC Press, 2023, xxi + 226 pp., $120.00(H), ISBN 978-0-367-63431-5. The
American Statistician, 78(1), 128–129. https://doi.org/10.1080/00031305.2024.2302792
Meng, Y., Yu, S., Qiu, Z., Zhang, J., Wu, J., Yao, T., & Qin, J. (2021). Modeling and optimization
of sugarcane juice clarification process. Journal of Food Engineering, 291, 110223.
https://doi.org/10.1016/j.jfoodeng.2020.110223
Monter-Pozos, A., & González-Estrada, E. (2024). On testing the skew normal distribution by
using Shapiro–Wilk test. Journal of Computational and Applied Mathematics, 440,
115649. https://doi.org/10.1016/j.cam.2023.115649
Paixão, C. S. S., Voltarelli, M. A., Silva, R. P. da, Borba, M. A. de P., & Torres, L. S. (2020).
statistical process control applied to monitor losses in the mechanized sugarcane
harvesting. Engenharia Agrícola, 40(4), 473–480. https://doi.org/10.1590/1809-4430-
eng.agric.v40n4p473-480/2020
officinarum L.). Journal of Pharmacy & Pharmacognosy Research, 6(1), 392–401.
https://doi.org/10.56499/jppres18.374_6.5.392
Gessa, A., Marin, E., & Sancha, P. (2022). A practical application of statistical process control to
evaluate the performance rate of academic programmes: implications and suggestions.
Quality Assurance in Education, 30(4), 571–588. https://doi.org/10.1108/QAE-03-2022-
0065
González Campos, E. (2023). Application of statistical processes control for the performance
improvement of a clinical engineering department. Global Clinical Engineering Journal,
6(1), 29–35. https://doi.org/10.31354/globalce.v6i1.160
Hobbs, J., Katzfuss, M., Nguyen, H., Yadav, V., & Liu, J. (2024). Functional analysis of variance
(ANOVA) for carbon flux estimates from remote sensing data. Geoscientific Model
Development, 17(3), 1133–1151. https://doi.org/10.5194/gmd-17-1133-2024
Isniah, S., & Purba, H. H. (2021). The Application of Using Statistical Process Control (SPC)
Tools : Research Issues and Literature Review. Spektrum Industri, 19(2), 125.
https://doi.org/10.12928/si.v19i2.19035
Laksameethanasana, P., Somla, N., Janprem, S., & Phochuen, N. (2012). Clarification of
sugarcane juice for syrup production. Procedia Engineering, 32, 141–147.
https://doi.org/10.1016/j.proeng.2012.01.1248
Marasinghege, C., Shi, C., Bottle, S., Bartley, J., Doherty, W. O. S., & Rackemann, D. W. (2024).
One pot two-alkali clarification process to minimize sucrose degradation of clarified
sugarcane juice during evaporation. Journal of Food Engineering, 374, 112022.
https://doi.org/10.1016/j.jfoodeng.2024.112022
Marino, M. F. (2024). Applied Linear Regression for Longitudinal Data: With an Emphasis on
Missing Observations Applied Linear Regression for Longitudinal Data: With an Emphasis
on Missing Observations, Frans E. S. Tan and Shahab Jolani, Boca Raton, FL: Chapman
& Hall/CRC Press, 2023, xxi + 226 pp., $120.00(H), ISBN 978-0-367-63431-5. The
American Statistician, 78(1), 128–129. https://doi.org/10.1080/00031305.2024.2302792
Meng, Y., Yu, S., Qiu, Z., Zhang, J., Wu, J., Yao, T., & Qin, J. (2021). Modeling and optimization
of sugarcane juice clarification process. Journal of Food Engineering, 291, 110223.
https://doi.org/10.1016/j.jfoodeng.2020.110223
Monter-Pozos, A., & González-Estrada, E. (2024). On testing the skew normal distribution by
using Shapiro–Wilk test. Journal of Computational and Applied Mathematics, 440,
115649. https://doi.org/10.1016/j.cam.2023.115649
Paixão, C. S. S., Voltarelli, M. A., Silva, R. P. da, Borba, M. A. de P., & Torres, L. S. (2020).
statistical process control applied to monitor losses in the mechanized sugarcane
harvesting. Engenharia Agrícola, 40(4), 473–480. https://doi.org/10.1590/1809-4430-
eng.agric.v40n4p473-480/2020
Vol. 12/ Núm. 2 2025 pág. 190
Prati, P., & Moretti, R. H. (2010). Study of clarification process of sugar cane juice for
consumption. Ciência e Tecnologia de Alimentos, 30(3), 776–783.
https://doi.org/10.1590/S0101-20612010000300033
Lamanna, R., Vega, P., Revollar, S., & Alvarez, H. (2009). Diseño Simultáneo de Proceso y
Control de una Torre Sulfitadora de Jugo de Caña de Azúcar. Revista CEA, 23–43.
Sarker, I. H. (2021). Data Science and Analytics: An Overview from Data-Driven Smart
Computing, Decision-Making and Applications Perspective. SN Computer Science, 2(5),
377. https://doi.org/10.1007/s42979-021-00765-8
Sewwandi, N., Ariyawansha, S., Kumara, B. S., & Maralanda, A. (2021). Optimizing Pre Liming
pH for Efficient Juice Clarification Process in Sri Lankan Sugar Factories.
https://doi.org/10.21203/rs.3.rs-362414/v1
Shaw, I., & Gregory, K. (2022). Acid–base balance: a review of normal physiology. BJA
Education, 22(10), 396–401. https://doi.org/10.1016/j.bjae.2022.06.003
Shi, C., Xie, C., Zhang, Z., Rackemann, D., Wei, B., Hang, F., Lu, H., Li, K., & Doherty, W. O.
S. (2021). Sugar and value-added products derived from retentate concentrate of sugarcane
juice. Journal of Cleaner Production, 278, 123915.
https://doi.org/10.1016/j.jclepro.2020.123915
Vargas Díaz, R., Lesmes Suárez, J., Varón Ramírez, V., Barona Rodriguez, A., Mendieta
Menjura, O., & Franco Florez, C. (2023). Evaluación de variables agronómicas y calidad
de la caña de azúcar sobre diferentes prácticas de labranza. Revista Científica Dékamu
Agropec, 4(2), 48–55. https://doi.org/10.55996/dekamuagropec.v4i2.198
Villase∼nor, J. A., & González-Estrada, E. (2025). A nonparametric test for homogeneity of
variances. Communications in Statistics - Theory and Methods, 54(2), 646–654.
https://doi.org/10.1080/03610926.2024.2316274
Zaidan, N. L., Mohamad-Fuzi, S. F., Hailan, I. M., Roshidi, A. A., Kormin, F., Abu-Bakar, M.
F., & Sabran, S. F. (2021). Physicochemical and sensory characteristic of treated sugarcane
juice. IOP Conference Series: Earth and Environmental Science, 736(1), 012073.
https://doi.org/10.1088/1755-1315/736/1/012073
Prati, P., & Moretti, R. H. (2010). Study of clarification process of sugar cane juice for
consumption. Ciência e Tecnologia de Alimentos, 30(3), 776–783.
https://doi.org/10.1590/S0101-20612010000300033
Lamanna, R., Vega, P., Revollar, S., & Alvarez, H. (2009). Diseño Simultáneo de Proceso y
Control de una Torre Sulfitadora de Jugo de Caña de Azúcar. Revista CEA, 23–43.
Sarker, I. H. (2021). Data Science and Analytics: An Overview from Data-Driven Smart
Computing, Decision-Making and Applications Perspective. SN Computer Science, 2(5),
377. https://doi.org/10.1007/s42979-021-00765-8
Sewwandi, N., Ariyawansha, S., Kumara, B. S., & Maralanda, A. (2021). Optimizing Pre Liming
pH for Efficient Juice Clarification Process in Sri Lankan Sugar Factories.
https://doi.org/10.21203/rs.3.rs-362414/v1
Shaw, I., & Gregory, K. (2022). Acid–base balance: a review of normal physiology. BJA
Education, 22(10), 396–401. https://doi.org/10.1016/j.bjae.2022.06.003
Shi, C., Xie, C., Zhang, Z., Rackemann, D., Wei, B., Hang, F., Lu, H., Li, K., & Doherty, W. O.
S. (2021). Sugar and value-added products derived from retentate concentrate of sugarcane
juice. Journal of Cleaner Production, 278, 123915.
https://doi.org/10.1016/j.jclepro.2020.123915
Vargas Díaz, R., Lesmes Suárez, J., Varón Ramírez, V., Barona Rodriguez, A., Mendieta
Menjura, O., & Franco Florez, C. (2023). Evaluación de variables agronómicas y calidad
de la caña de azúcar sobre diferentes prácticas de labranza. Revista Científica Dékamu
Agropec, 4(2), 48–55. https://doi.org/10.55996/dekamuagropec.v4i2.198
Villase∼nor, J. A., & González-Estrada, E. (2025). A nonparametric test for homogeneity of
variances. Communications in Statistics - Theory and Methods, 54(2), 646–654.
https://doi.org/10.1080/03610926.2024.2316274
Zaidan, N. L., Mohamad-Fuzi, S. F., Hailan, I. M., Roshidi, A. A., Kormin, F., Abu-Bakar, M.
F., & Sabran, S. F. (2021). Physicochemical and sensory characteristic of treated sugarcane
juice. IOP Conference Series: Earth and Environmental Science, 736(1), 012073.
https://doi.org/10.1088/1755-1315/736/1/012073