Tesis Control Estadistico y Productividad

UNIVERSIDAD NACIONAL
JOSÉ FAUSTINO SÁNCHEZ CARRIÓN
FACULTAD DE INGENIERÍA INDUSTRIAL, SISTEMAS É

INFORMÁTICA
ESCUELA PROFESIONAL DE INGENIERÍA INDUSTRIAL
CONTROL ESTADÍSTICO DE PROCESOS PARA

PÉRDIDAS DE SACAROSA EN EL BAGAZO
Y PRODUCTIVIDAD EN EL ÁREA DE
TRAPICHE- EMPRESA AGRARIA
AZUCARERA ANDAHUASI
S.A.A. SAYÁN
2016
TESIS
Para obtener el Título Profesional de Ingeniero Industrial
AUTORES:
CHRISTIAN RENATO ESPINOZA ARONI
BANESA MARILUZ FLORES TRUJILLO
ASESOR:
Ing. JAIME EDUARDO GUTIÉRREZ ASCÓN
Registro CIP 40021
Huacho – Perú
2018
ii
Control estadístico de procesos para pérdidas de sacarosa en el bagazo y

Productividad en el área de trapiche- Empresa Agraria Azucarera
Andahuasi S.A.A. Sayán 2016
CHRISTIAN RENATO ESPINOZA ARONI
BANESA MARILUZ FLORES TRUJILLO
Universidad Nacional José Faustino Sánchez Carrión
Nota de los autores:
Estudiantes de la Facultad de Ingeniería Industrial, Sistemas e Informática, de
la Escuela Profesional de Ingeniería Industrial, presentamos nuestro Proyecto de Tesis
para desarrollar nuestra Tesis con la finalidad de obtener el título profesional de
Ingeniero Industrial; esta investigación será desarrollada de forma conjunta y el
financiamiento económico será propio de los autores; debemos reconocer las
contribuciones del Ing. Jaime Eduardo Gutiérrez Ascón y el Ing. Julio Fabián Amado
Sotelo. Para poder elaborar nuestro proyecto de tesis.
CONTRAPORTADA
iii
ASESOR Y MIEMBROS DEL JURADO EVALUADOR
…………………………………………………. ………………………………………………………
Ing. Juan Carlos De los Santos Ing. Máximo Palomino Tiznado
Registro CIP 20326 Registro CIP 26572
PRESIDENTE SECRETARIO
……………………………………… …………………………………………
Ing. Raúl Chávez Zavaleta Ing. Jaime Eduardo Gutiérrez Ascón
Registró CIP 48453 Registro CIP 40021
VOCAL ASESOR
iv
DEDICATORIA
A mis amados padres Isabel y Valdomero, por darme la

vida; quienes con su apoyo económico y moral, me
ayudaron constantemente a lo largo de mi formación
personal y profesional, logrando en mi ese aprendizaje
esperado.
A mis amigos(as) por el apoyo, cariño y ganas de triunfar
conjuntamente en el trascurso de nuestra carrera.
A Dios por concederme salud y fuerzas para aceptar y
enfrentar los retos que se me presentó dentro y fuera de
la universidad, y sabiduría para reconocer lo bueno de lo
malo.
Christian Renato
v
DEDICATORIA
A mis padres Ernesto Flores y Flora Trujillo

quienes con sus sabios consejos y su infaltables
palabras de aliento me apoyaron y me brindaron
su amor, ellos son mi mejor ejemplo y motivación
para salir adelante y cumplir con mis metas.
Mis hermanos Estefany y Ángel por ser unos
hermanos maravillosos a quienes amo mucho.
A mis amigos(as) por el apoyo, cariño y ganas de
triunfar conjuntamente, pasamos momentos
inolvidables que nos ayudaron a formarnos como
profesionales.
Banesa Mariluz
vi
AGRADECIMIENTO
El apoyo de los Ingenieros Jaime Eduardo Gutiérrez

Ascón y Julio Fabián Amado Sotelo por haberme
dedicado su tiempo y por compartir sus conocimientos.
A la empresa Agraria Azucarera Andahuasi S.A.A. Por
brindarme las facilidad y oportunidad de realizar el
proyecto de tesis.
A todos aquellos familiares, amigos y compañeros
quienes de una u otra manera me apoyaron en la
elaboración de la investigación.
Christian Renato
vii
AGRADECIMIENTO
El apoyo de los Ingenieros Jaime Eduardo Gutiérrez

Ascón, Julio Fabián Amado Sotelo por habernos
dedicado su tiempo y por compartir sus conocimientos.
A la empresa Agraria Azucarera Andahuasi S.A.A. Por
brindándonos las facilidades, oportunidad de realizar el
proyecto de tesis.
A todos aquellos familiares, amigos y compañeros
quienes de una u otra manera me apoyaron en la
elaboración de la investigación.
Banesa Mariluz
viii
CONTENIDO
PORTADA……………………………………………………………………………..i
CONTRAPORTADA ....................................................................................................ii
ASESOR Y MIEMBROS DEL JURADO EVALUADOR ........................................ iii
DEDICATORIA ........................................................................................................... iv
AGRADECIMIENTO .................................................................................................. vi
CONTENIDO ............................................................................................................ viii
LISTA DE ECUACIONES........................................................................................... xi
LISTA DE FIGURAS ..................................................................................................xii
LISTA DE TABLAS ................................................................................................. xiii
LISTA DE ANEXOS .................................................................................................. xvi
RESUMEN ................................................................................................................xvii
ABSTRACT ...............................................................................................................xvii
INTRODUCCIÓN ................................................................................................... xviii
CAPÍTULO I: PLANTEAMIENTO DEL PROBLEMA ........................................ 1
1.1 Descripción de la realidad problemática ................................................................ 1
1.2 Formulación del problema .................................................................................... 3
1.2.1 Problema general .................................................................................................. 3
1.2.2 Problemas específicos .......................................................................................... 3
1.3 Objetivos de la investigación ................................................................................. 4
1.3.1 Objetivo general ................................................................................................... 4
1.3.2 Objetivos específicos ............................................................................................ 4
1.4 Justificación de la investigación ............................................................................ 5
CAPÍTULO II: MARCO TEÓRICO......................................................................... 7
2.1 Antecedentes de la investigación ............................................................................ 7
2.2 Bases teóricas ........................................................................................................ 24
2.2.1 Control estadístico del proceso ........................................................................... 24
2.2.2 Productividad ...................................................................................................... 42

ix
2.3 Definiciones conceptuales .................................................................................... 48
2.4 Los dueños del problema ...................................................................................... 52
2.5 Formulación de hipótesis ...................................................................................... 52
2.5.1 Hipótesis general ................................................................................................ 52
2.5.2 Hipótesis específicas .......................................................................................... 53
CAPTÍULO III: METODOLOGÍA ......................................................................... 54
3.1 Diseño metodológico ............................................................................................ 54
3.1.1 Diseño…….. ....................................................................................................... 54
3.1.2 Tipo………......................................................................................................... 54
3.1.3 Enfoque……....................................................................................................... 54
3.2 Población y Muestra ........................................................................................... 54
3.2.1 Población ………………………………………………………………………54
3.2.2 Muestra… ........................................................................................................... 55
3.3 Operacionalización de variables e indicadores ..................................................... 56
3.4 Técnicas e Instrumentos de recolección de datos ................................................. 57
3.4.1 Técnica a emplear ............................................................................................... 57
3.4.2 Descripción del Instrumentos ............................................................................. 57
3.5 Técnicas para el procesamiento de la Información ................................................ 58
CAPÍTULO IV: RESULTADOS.............................................................................. 59
4.1 Analisis preliminar. ............................................................................................... 59
4.2 Determinar las muestras de los meses de (Setiembre- Diciembre)...................... 59
4.3 Realización de la gráfica de control para variables por cada mes ........................ 63
4.3.1 Diagnóstico del comportamiento de los datos de los análisis de sacarosa en el

bagazo…… ......................................................................................................... 68
4.4 Determinar la estabilidad del proceso ................................................................... 74
4.5 Determinación de la capacidad de procesos de los meses de estudio (setiembre –

diciembre)…….. .......................................................................................................... 78
4.6 Análisis del rendimiento de los molinos. ............................................................... 83

x
4.7 Identificar el factor que influye en la pérdida de sacarosa en el bagazo. ............... 86
4.8 Propuesta de mejora respecto al factor para controlar las pérdidas de sacarosa en
el bagazo………. ......................................................................................................... 92
4.9 Calcular la productividad ....................................................................................... 97
4.10 Evaluación económica actual y el propuesto.................................................... 103
4.11 Resultados metodológicos de la investigación ................................................. 107
4.11.1 Validez del instrumento .................................................................................. 107
4.11.2 Confiabilidad del instrumento......................................................................... 108
4.11.3 Modelamiento de la investigación .................................................................. 108
CAPÍTULO V: DISCUSIÓN, CONCLUSIONES RECOMENDACIONES. .... 120
5.1 Discusión………………………………………………………………………..120
5.2 Conclusiones ........................................................................................................ 120
5.3 Recomendaciones ................................................................................................ 122
CAPÍTULO VI: FUENTE DE INFORMACIÓN ................................................. 123
6.1. Lista de referencias ............................................................................................. 123
ANEXOS ................................................................................................................... 126

xi
LISTA DE ECUACIONES
Fórmula 1: Teorema de límite central .......................................................................... 29
Fórmula 2: Límite central superior - grafica media ..................................................... 30
Fórmula 3: Límite central inferior - grafica media ...................................................... 30
Fórmula 4: Límite central superior - grafica p ............................................................. 31
Fórmula 5: Límite central inferior - grafica p .............................................................. 31
Fórmula 6: desviación estándar de subgrupo di ........................................................... 32
Fórmula 7: Límite central superior - carta np .............................................................. 32
Fórmula 8: Límite central inferior - carta np ............................................................... 32
Fórmula 9: Limite central - Carta np ........................................................................... 32
Fórmula 10: Limite central - Grafica c ........................................................................ 33
Fórmula 11: Limite central superior - Grafica c .......................................................... 33
Fórmula 12: Limite central inferior - Grafica c ........................................................... 33
Fórmula 13: Determinación de subgrupo - grafica u ................................................... 33
Fórmula 14: Medica - grafica u ................................................................................... 33
Fórmula 15: Desviación - Grafica u............................................................................. 33
Fórmula 16: Limite central superior - Grafica u .......................................................... 34
Fórmula 17: Limite central inferior - Grafica u ........................................................... 34
Fórmula 18: Limite central - Grafica u ........................................................................ 34
Fórmula 19: Índice de estabilidad de proceso.............................................................. 34
Fórmula 20: Variabilidad natural ................................................................................. 35
Fórmula 21: Capacidad potencial del proceso ............................................................. 36
Fórmula 22: Índice de capacidad potencial ................................................................. 37
Fórmula 23: Habilidad del proceso .............................................................................. 39
Fórmula 24: Media muestral ........................................................................................ 40
Fórmula 25: Desviación estándar muestral .................................................................. 41
Fórmula 26: Coeficiente de variación .......................................................................... 42
Fórmula 27: Productividad .......................................................................................... 44
Fórmula 28: Productividad método 02 ........................................................................ 44
Fórmula 29: Productividad método 03 ........................................................................ 45
Fórmula 30: Eficacia .................................................................................................... 45
Fórmula 31: Eficiencia ................................................................................................. 47
xii
LISTA DE FIGURAS
Figura 1: Ciclo de aplicación del control estadístico de procesos. .............................. 26
Figura 2: Grafica de control. ........................................................................................ 27
Figura 3: Control de procesos con tres tipos de resultados. ......................................... 28
Figura 4: Distribución muestral. .................................................................................. 30
Figura 5: Capacidad del proceso (distribución normal). .............................................. 36
Figura 6: Reacción en cadena de una mayor productividad. ....................................... 45
Figura 7: Diseño descriptivo correlacional. ................................................................. 54
Figura 8: Gráfica de control de sacarosa en el bagazo del área de trapiche. ............... 64
Figura 9: Comportamiento del porcentaje de sacarosa real vs el estándar. ................. 64
Figura 10: Gráfico de control de sacarosa en el bagazo del mes de octubre-2016. ..... 65
Figura 11: Comportamiento del porcentaje de sacarosa real vs el estándar. ............... 66
Figura 12: Gráfico de control de sacarosa en el bagazo del mes noviembre-2016...... 66
Figura 14: Gráfico de control de sacarosa en el bagazo del mes diciembre-2016. ...... 67
Figura 16: Gráfico del comportamiento del análisis de sacarosa en el bagazo. .......... 70
Figura 20: Gráfico del comportamiento de las pérdidas totales de sacarosa en el bagazo.
...................................................................................................................................... 74
Figura 21: Capacidad de procesos del mes de setiembre. ........................................... 79
Figura 22: Capacidad de procesos del mes de octubre. ............................................... 80
Figura 23: Capacidad de procesos del mes de noviembre. .......................................... 81
Figura 24: Capacidad de procesos del mes de diciembre. ........................................... 82
Figura 25: Análisis de sacarosa por molinos. .............................................................. 85
xiii
LISTA DE TABLAS
Tabla 1: Los dueños del problema. .............................................................................. 52
Tabla 2: Matriz de operacionalización. ........................................................................ 56
Tabla 3: Pasos para el desarrollo de la investigación. ................................................. 59
Tabla 4: Muestras de sacarosa en el bagazo mes - setiembre año 2016. ..................... 60
Tabla 5: Muestras de sacarosa en el bagazo del mes-octubre año 2016. ..................... 61
Tabla 6: Muestras de sacarosa en el bagazo del mes- noviembre año 2016. ............... 62
Tabla 7: Muestras de sacarosa en el bagazo del mes- diciembre año 2016. ................ 63
Tabla 8: Pérdidas de % de sacarosa en el bagazo de (setiembre-diciembre) año 2016.
...................................................................................................................................... 69
Tabla 9:Porcentaje de sacarosa por molinos. ............................................................... 84
Tabla 10: Porcentaje de extracción individual de los molinos .................................... 86
Tabla 11: Muestras de las presiones (psi) del mes de setiembre del 2016. ................. 87
Tabla 12: Muestras de las presiones (psi) del mes de octubre del 2016. ..................... 88
Tabla 13: Muestras de las presiones (psi) del mes de noviembre del 2016. ................ 89
Tabla 14: Muestras de las presiones (psi) del mes de diciembre del 2016. ................. 90
Tabla 15: Comportamiento de las presiones con respecto al óptimo de los meses de
(setiembre – diciembre) ............................................................................................... 91
Tabla 16: Media de presiones reales del mes de setiembre del año 2016.................... 92
Tabla 17: Resumen de los escenarios de las presiones – setiembre 2016. .................. 93
Tabla 18: Media de presiones reales del mes de octubre del año 2016. ...................... 93
Tabla 19: Resumen de los escenarios de las presiones – octubre 2016. ...................... 93
Tabla 20: Media de presiones reales del mes de noviembre del año 2016. ................. 93
Tabla 21: Resumen de los escenarios de las presiones – noviembre 2016. ................. 94
Tabla 22: Media de presiones reales del mes de diciembre del año 2016. .................. 94
Tabla 23: Resumen de los escenarios de las presiones – diciembre 2016. .................. 94
Tabla 24: Calculo de la eficacia de setiembre – diciembre del 2016........................... 95
Tabla 25: Calculo de la eficiencia de setiembre – diciembre del 2016 ....................... 96
Tabla 26: Calculo de la efectividad de setiembre – diciembre del 2016 ..................... 97
Tabla 27: Resumen de productividad de la sacarosa en el bagazo y la productividad.99
Tabla 28: Cálculo de la productividad con el primer escenario................................. 100
Tabla 29: Cálculo de la productividad con el segundo escenario. ............................. 101
Tabla 30: Cálculo de la productividad con el tercer escenario. ................................. 102
xiv
Tabla 31: Data Histórica de molienda de los meses de setiembre - diciembre año 2016
(Real).......................................................................................................................... 103
Tabla 32: Datos técnicos – real. ................................................................................. 103
Tabla 33: Información sobre los costos y precio de venta de la producción de azúcar.
.................................................................................................................................... 103
Tabla 34: Análisis económico de los meses de setiembre-diciembre año 2016. ....... 104
Tabla 35: Resumen de estados financieros de los meses setiembre-diciembre del año
2016............................................................................................................................ 104
Tabla 36: Data obtenidos del escenario N° 03 (setiembre - diciembre del 2016) ..... 105
Tabla 37: Datos técnico obtenidos. ............................................................................ 105
Tabla 38: Información sobre costos y precio de venta. ............................................. 105
Tabla 39: Análisis económico de la propuesta de mejora para los meses setiembre -
diciembre del año 2016. ............................................................................................. 106
Tabla 40: Resumen de los estados financieros del escenario N° 03 (setiembre-diciembre
del año 2016).............................................................................................................. 106
Tabla 41: Calificación de los expertos. ...................................................................... 107
Tabla 42: Escala de Validez ....................................................................................... 107
Tabla 43: Resumen del procesamiento de los casos. ................................................. 108
Tabla 44: Alpha de Cronbach aplicado al instrumento. ............................................. 108
Tabla 45: Escala de confiabilidad. ............................................................................. 108
Tabla 46: Dimensiones vs variable dependiente- año2016........................................ 109
Tabla 47: Escala de correlación. ................................................................................ 109
Tabla 48. Coeficiente de correlación ......................................................................... 109
Tabla 49. Parámetros del modelo y ecuación del modelo ......................................... 109
Tabla 50. Matriz de correlaciones .............................................................................. 110
Tabla 51: Coeficiente de correlación (gráfico de control y productividad) ............... 111
Tabla.52: Parámetros del modelamiento parcial (gráfico de control y productividad)
.................................................................................................................................... 111
Tabla 53: Coeficiente de correlación (estabilidad de procesos y productividad) ...... 111
Tabla.54: Parámetros del modelamiento parcial (estabilidad de procesos y
productividad) ............................................................................................................ 112
Tabla 55: Coeficiente de correlación (capacidad de procesos y productividad) ....... 112
Tabla 56: Parámetros del modelamiento parcial (capacidad de procesos y
productividad) ............................................................................................................ 112
xv
Tabla 57: Escala de correlación. ................................................................................ 113

Tabla 58: Coeficiente de correlación ......................................................................... 113
Tabla 59: Tabla de contingencia y frecuencias esperadas (x-y) ................................ 114
Tabla 60: Tabla de contingencia y frecuencias esperadas (X1-Y). ........................... 116
Tabla 61: Chi cuadrado (Grafica de control-Productividad) ..................................... 117
Tabla 62: Tabla de contingencia y frecuencias esperadas (X2-Y) ............................ 117
Tabla 63: Chi cuadrado (estabilidad de procesos - Productividad) ........................... 118
Tabla 64: Tabla de contingencia y frecuencia esperadas (X3- Y) ............................. 119
Tabla 65: Chi cuadrado (Capacidad de procesos- Productividad). ............................ 119
xvi
LISTA DE ANEXOS
Anexo 1:Matriz de consistencia . ............................................................................... 127
Anexo 2: Instrumentos de la investigación ................................................................ 128
Anexo 3: Formato de validez del instrumento ........................................................... 131
Anexo 4: Documento de la validez del instrumento. ................................................. 132
Anexo 5: Documento obtenido del programa turnitin. .............................................. 133
xvii
Control estadístico de procesos para pérdidas de sacarosa en el bagazo y productividad en el área

de trapiche- empresa agraria azucarera Andahuasi S.A.A. Sayán 2016.
Statistical control of processes for sucrose losses in bagasse and productivity in the sugar mill area
- Andahuasi S.A.A. Sayán 2016.
Banesa Mariluz Flores Trujillo 1, Christian Renato Espinoza Aroni1
RESUMEN
Objetivo: Determinar la relación entre el control estadístico de procesos (CEP) para
pérdidas de sacarosa en el bagazo y la productividad en el área de trapiche de la empresa
Agraria Azucarera Andahuasi S.A.A. - Sayán 2016. Materiales y método: La
población y muestra fue de 35 personas del área de trapiche, laboratorio y la recolección
de los datos de las variables fue con la técnica de encuesta e instrumento; se aplicó la
recopilación documental para obtener datos de producción que nos permitió la
realización del CEP. Se aplicó la gráfica de control, estabilidad de proceso y capacidad
de proceso. Los cálculos se realizaron con el software estadístico Minitab v.17,
Microsoft Excel, para logar los resultados. Resultados: El control estadístico de
procesos incurre en lograr un incremento de utilidad en S/6 569,774 respecto a la
situación actual. La grafica de control muestra que el proceso está fuera de control. La
estabilidad de procesos, determino que el proceso es estable, con un índice de 1,22.
La capacidad de proceso, determino que el proceso es incapaz, con un índice de 0,275.
Los resultados indican una mejora en la productividad de 2,01 a 2,07. En el instrumento
se obtuvo una validez de 91,7% a criterio de los expertos y la confiabilidad de 95,1%,
el modelamiento de la investigación (X-Y) Productividad (y)= 2,495 -2,819*Gráfico
de control -0,130*Estabilidad del proceso, con un coeficiente de correlación de 77,1%
Conclusiones: El control estadístico de procesos para pérdidas de sacarosa en el bagazo
se relaciona significativamente con la productividad en el área de trapiche de la empresa
Agraria azucarera Andahuasi Sayán- 2016.
Palabras claves: Control estadístico de proceso (CEP), estabilidad de proceso,
capacidad de procesos, producción y productividad. 1
ABSTRACT
Objective: To measure the relationship between the statistical process control (SPC)
for losses of saccharose in bagasse and the productivity in the mill area of the Agrarian
company Azucarera Andahuasi SAA - Sayan 2016.Method: The sample population
was 35 people in the mill area, laboratory and data collection of the variables was with
the technique of the survey and the survey instrument; documentary collection was
applied to get production data that allowed us the realization of the SPC. Graphic
control, stability and processing capacity, among other tools, were applied. The
calculations were obtained by using the statistical software Minitab v.17, Microsoft
Excel, to get the results. Results: The SPC consists in achieving an increase in utility in
S /6 569,774 over the current situation. The control chart shows that the process is out
of control. The stability of processes, determined that the process is stable with a rate
of 1,22. The ability to process determined that the process is unable at a rate of 0,275,
2,01 to 2,07. The instrument obtained a validity of 91.7% at the discretion of the experts
and the reliability of 95.1%, the modeling of the research (XY) Productivity (y) = 2,495
-2,819 * Control chart -0,130 * Stability of the process, with a correlation coefficient
of 77.1% Conclusions: The statistical control of processes for sucrose losses in bagasse
is significantly related to productivity in the sugar mill area of the Agrária Azucarera
Andahuasi Sayán- 2016 company.
Key words: Application of SPC contributes in increasing productivity in the company.
1
Escuela Profesional de Ingeniería Industrial. Facultad de Ingeniería Industrial, Sistema e Informática.
Universidad Nacional José Faustino Sánchez Carrión. Huacho – Perú.
xviii
INTRODUCCIÓN
El presente trabajo de investigación busca aplicar los conocimientos y
herramientas estadísticas adquiridas durante el transcurso de la carrera de Ingeniería
Industrial; planteamos como objetivo general del estudio “determinar la relación entre
el control estadístico de proceso para pérdidas de sacarosa en el bagazo y productividad
en el área de trapiche de la empresa Agraria Azucarera Andahuasi S.A.A. - Sayán
2016”. Se usará un control estadístico de procesos para obtener un mejor control de las
pérdidas de sacarosa en el bagazo, realizando graficas de control, calculando la
estabilidad del proceso y capacidad del proceso, logrando así determinar la relación con
la productividad mediante un monitoreo en el proceso de extracción, permitiéndonos
con esto saber cuándo el proceso se encuentra bajo control o fuera de control y así poder
aplicar acciones correctivas frente a tales desviaciones que se presenten en él proceso,
para posteriormente ponerlo bajo control, lo cual conllevará a beneficiar a la empresa
en su totalidad.
La empresa Agraria Azucarera Andahuasi S.A.A. es una empresa reconocida a

nivel local y nacional, por lo que no está exenta a los cambios que se están presentando
en los mercados, volviéndose cada vez más exigentes, además de la alta competitividad
de la competencia, es así que surge la discusión en torno a la productividad, siendo
necesario lograr un mayor aprovechamiento de los recursos, lograr una mayor
producción con la misma cantidad de recursos utilizados, esto conllevara a que la
productividad aumente, por tal razón se tiene que llevar un control de las pérdidas de
sacarosa. En el caso de la empresa Agraria Azucarera Andahuasi S.A.A. el objetivo
interno es la producción de azúcar a un menor costo que la competencia, a través del
manejo adecuado de sus recursos, en nuestro caso de la sacarosa en el bagazo, como
también otros puntos que se tocaran para resolver la investigación. Por ello aplicaremos
herramientas estadísticas para lograr aumentar la productividad, y reduciendo costos en
la producción, para poder llegar a esto, trabajaremos con el control estadístico de
procesos y todos los datos que nos proporcione la empresa.
Todo esto se debe a que en la actualidad; se está viviendo en un mundo cada

vez más globalizado, donde las organizaciones se deben anticipar y adaptar a los
cambios continuos que se están presentando, lográndose así mejor aprovechamiento de
los recursos productivos.
xix
Es así que cada vez más los ingenieros de todo el mundo se preocupan por el
buen aprovechamiento de los recursos en la producción. Por un lado, las empresas
logran con esto aumentar la producción, por lo tanto, disminuir costos. Es por ello que
en muchos casos se hacen uso de herramientas estadísticas para poder lograr el uso
eficiente de dichos recursos.
La importancia que tiene el control estadístico de procesos dentro de una

empresa es mejorar procesos, reducir trabajos y desperdicios, lo que genera una
reducción de costos ya que el control estadístico de proceso involucra más que solo
crear el producto perfecto, implica asegurar que los procesos internos sean llevados
apropiadamente, sacando el máximo beneficio del proceso.
El crecimiento de los mercados internacionales como locales, tanto en oferta

como en demanda, han tenido un crecimiento importante con respecto a la calidad tanto
en el producto como en sus procesos, Hablando de las empresas dedicadas a la
producción de azúcar, se encuentran en un crecimiento continuo por las exigencias de
los clientes con respecto al producto. Contamos con mercados que amplían las
demandas de azúcar siendo cada vez más exigentes con respecto a lo que consumen,
por lo que las empresas no solo tienen que preocuparse en la calidad de su producto,
sino ver por sus procesos y reducir los costos lo más que se puedan, para poder así sobre
salir sobre otros ingenios de la producción de azúcar.
1
CAPÍTULO I: PLANTEAMIENTO DEL PROBLEMA

1.1 Descripción de la realidad problemática
A nivel mundial la industria azucarera se encuentra en niveles de crecimiento,
pero a la vez, con problemas económicos y políticos, ocasionando así alzas de precios
en la producción de azúcar, generando preocupación y a su vez una reacción para las
industrias, generando un crecimiento positivo, con mejoras continuas, aplicando nuevas
tecnologías, metodologías, etc., lo que lleva a un aumento de la producción de azúcar,
lo cual se refleja en los últimos años.
Además, el alza de los precios del azúcar a nivel internacional responde a que
la India, ha pasado de ser exportador a ser importador, Brasil continúa siendo el
principal productor de azúcar a nivel mundial, lo que está motivando la reapertura de
ingenios en Brasil, esperándose que los precios bajen en el mediano plazo por la mayor
producción. El consumo de azúcar continuará aumentando debido al mayor ritmo de
crecimiento de la economía. La mayor demanda se produce por las industrias de
alimentos, bebidas y de la población, lo cual forman un macro entorno favorable a la
industria.
Como se mencionó, la industria azucarera se encuentra en un crecimiento

continuo siendo los países de Guatemala, Cuba y Brasil los mayores productores de
azúcar proyectándose un crecimiento de producción de caña de azúcar en 2.1%. Debido
a este crecimiento los ingenios se preocupan por tener un buen rendimiento de su
materia prima principal, la caña de azúcar, la cual tiene una gran importancia dentro del
proceso de obtención de sacarosa, por lo tanto, las empresas usan varias técnicas
estadísticas y de calidad para poder controlar su proceso y cumplir con las
especificaciones planeadas, pues gracias a eso se podrá obtener la mayor cantidad de
sacos de azúcar que saldrán al final del proceso.
A nivel nacional la industria azucarera ha tenido una evolución pasando de ser

un sector que antes de los 70 era un sector exportador, a ser un sector importador y estar
muy orientado al mercado interno, para recién a mediados de la década del 2000,
empezar con grandes proyectos que le han permitido cubrir el mercado interno en su
totalidad, basándose en mejoras de la producción
El sector azucarero, a diferencia de otros sectores que han recibido inversiones

durante la década de los 90, recién desde el 2006 viene dando mucho que hablar, hace
2
4 años empezaron inversiones importantes en el sector y muchos movimientos dentro

de los grupos que han adquirido las acciones que pertenecían al estado, así como la
ejecución de nuevos proyectos en el norte del país, específicamente en Piura, para la
producción de etanol.
Las industrias azucareras en el Perú se encuentran en crecimiento moderado
debido a que las exportaciones han disminuidos, la empresas azucareras que hay en
nuestro país son 13 ingenios que cubren el mercado nacional, siendo la más importante
en este sector la empresa azucarera Casa grande y Cartavio que pertenecen a la
Corporación azucarera del Perú S.A. del grupo gloria.
A nivel local en la ciudad de Lima, se cuenta con uno de los ingenios en
producción de azúcar, Agraria Azucarera Andahuasi S.A.A., es una empresa dedicada
a la producción de azúcar rubia y alcohol, la cual se encuentra ubicada exactamente en
la provincia de Huaura, distrito de Sayán a 190 Km de distancia de la ciudad de lima.
La empresa actualmente presenta una serie de problemas tanto en el proceso
productivo como en la parte política, que afectan el rendimiento de la producción de
azúcar, exactamente nos vamos a enfocar a los problemas del proceso productivo, los
cuales se identificaron realizando un recorrido por todas la áreas involucradas al
proceso de producción de azúcar, haciendo luego un análisis de Pareto, identificando
que el área más critica que tiene la empresa es el área de trapiche que tiene como
función la de separar la parte liquida y sólida de la caña; obteniendo el jugo de sacarosa
y el bagazo que es utilizado para generar energía para los equipos del área de trapiche,
en esta área se observaron una serie de problemas que se presentan a continuación:
 Constantes paradas de equipos: Se origina por la falta de un plan de
mantenimiento preventivo para los equipos.
 Exceso de tiempo perdido: originado por reparaciones de los equipos
 Bajo índice de productividad: Debido a la mala calidad de caña que influye en
que la extracción del jugo de caña sea menor por el contenido de sacarosa.
 Pérdida de sacarosa en el bagazo: Se origina por la carencia de un control de
proceso que permita controlar los parámetros establecidos.
De los problemas identificados nos enfocaremos en el problema de perdida de

sacarosa en el bagazo, que afecta directamente en la productividad de la empresa,
porque no se está aprovechando de manera adecuada la materia prima que es el jugo de
la caña que contiene sacarosa.
3
Para la investigación se plantea realizar un control estadístico de procesos de la

empresa Agraria Azucarera Andahuasi S.A.A. buscamos determinar si el proceso se
encuentra bajo control, y a causa de esto determinar cuáles son las causas que originaron
ese descontrol, y ver cuál es el más significativo, para poder ser controlado, y así la
productividad pueda aumentar, además se determinaran costos que se están perdiendo
por el descontrol que se está realizando.
1.2 Formulación del problema
1.2.1 Problema general
El problema general se enfoca en la carencia de un control de la sacarosa en el
bagazo, que origina perdidas de sacarosa reflejándose en una baja productividad por
ello se plantea el siguiente problema
¿En qué medida el control estadístico de proceso para pérdidas de sacarosa en

el bagazo, se relaciona con la productividad en el área de trapiche de la empresa Agraria
Azucarera Andahuasi S.A.A. - Sayán 2016?
1.2.2 Problemas específicos

Los problemas específicos fueron establecidos a través de las dimensiones del
control estadístico de procesos y la variable productividad, dichos objetivos fueron
obtenidos de la matriz de consistencia, los cuales son:
 ¿De qué manera la gráfica de control del porcentaje de sacarosa en el

bagazo, se relaciona con la productividad en el área de trapiche de la
empresa Agraria Azucarera Andahuasi S.A.A. - Sayán 2016?
 ¿Qué relación existe entre la estabilidad del proceso de obtención de
sacarosa en el jugo, y la productividad en el área de trapiche de la
 ¿Qué relación existe entre la capacidad de proceso de obtención de
sacarosa en el jugo, y la productividad en el área de trapiche de la
4
1.3 Objetivos de la investigación

1.3.1 Objetivo general
Para realizar y desarrollar el siguiente objetivo general, primero determinamos
nuestro problema general, y en base a esto nos preguntamos cómo vamos a lograr
resolver ese problema, o a donde queremos llegar con esta investigación, por lo tanto
se formuló el siguiente objetivo general:
Determinar la relación entre el control estadístico de proceso para pérdidas de

sacarosa en el bagazo y la productividad en el área de trapiche de la empresa Agraria
Azucarera Andahuasi S.A.A. - Sayán 2016.
1.3.2 Objetivos específicos

Para formular los siguientes objetivos, lo que se hizo primero fue determinar
nuestros problemas específicos, y en base a esto nos preguntamos cómo vamos a poder
lograr resolverlos, y en esta sección nos enfocamos en las dimensiones del control
estadístico de procesos y la productividad, por lo tanto se formuló los siguientes
objetivos específicos:
 Analizar la relación existente entre la gráfica de control del porcentaje

de sacarosa, y la productividad en el área de trapiche de la empresa Agraria
Azucarera Andahuasi S.A.A. – Sayán 2016.
 Calcular la relación existente entre la estabilidad del proceso de

obtención de sacarosa en el jugo y la productividad en el área de trapiche de la
empresa Agraria Azucarera Andahuasi S.A.A. - Sayán 2016.
 Determinar la relación existente entre la capacidad del proceso de

obtención de sacarosa en el jugo, y la productividad en el área de trapiche la
empresa Agraria Azucarera Andahuasi S.A.A. - Sayán 2016.
5
1.4 Justificación de la investigación
Justificación teórica
La presente investigación se realizará con el propósito de conocer y

profundizar más los conocimientos sobre el tema de control estadístico de
procesos y su relación con la productividad, beneficiando así a cada una de las
personas que se relaciona con el problema a resolver, en esta investigación será
el área de trapiche, abarcando también a las personas que se encargan de sacar
la muestra que están en el área de laboratorio, llegando a beneficiar en total a la
empresa Agraria Azucarera Andahuasi S.A.A.
Además también nos servirá para sugerir ideas o hipótesis para futuras
investigaciones, o también en la que se desea trabajar o conocer más sobre las
variables, control estadístico de procesos y la productividad.
Justificación práctica
Consideramos que los resultados que se obtendrán de la presente

investigación servirán para poder hallar las causas que afecten a que existan
pérdidas de sacarosa en el bagazo, y hacer posibles mejoras para mejorar la
productividad de la empresa.
También servirán como antecedente para otras investigaciones que

procuran mejorar la productividad haciendo uso del control estadístico de
procesos para mantener bajo control el proceso y cumpla con las
especificaciones de calidad.
De acuerdo al giro de la empresa, toda mejora que se desarrolle dentro

de su ámbito, tiene una relación directa con el impacto en la sociedad, puesto
que ello significa que la empresa crece en el mercado generando puestos de
trabajo y contribuyendo de alguna manera a dinamizar la economía a través de
un servicio confiable, rápido y económico. Así como el desarrollo de las
comunidades de su entorno.
6
Justificación legal
Con el desarrollo de esta investigación se pretende optar el grado

académico de ingeniero industrial, que según la nueva ley universitaria nos dice
que, solo se entregara el título profesional realizando una tesis rigurosa, la cual
deberá ser evaluada por el departamento de grados y títulos de la universidad
nacional “José Faustino Sánchez Carrión"
Justificación metodológica
El trabajo de investigación se justifica metodológicamente, puesto que

sigue en su estructura el proceso metodológico de la investigación científica.
Además la metodología empleada en esta investigación servirá para

orientar otras investigaciones de diseño descriptivo correlacional de tipo no
experimental, y según el alcance temporal es transversal pues se realizará en un
cierto periodo de tiempo y además se analizará la relación de las variables
control estadístico de procesos y productividad.
La investigación nos ayudará a construir un nuevo instrumento para

medir el control estadístico de procesos y la productividad, según el enfoque en
las industrias azucareras.
Las dimensiones que se usaran para determinar la relación del control

estadístico de procesos y la productividad, es la gráfica de control permite
evaluar el comportamiento de los datos para determinar si los datos cumplen
con los límites de control, la estabilidad de procesos determina si el proceso se
encuentra estable en el tiempo y la capacidad de procesos evalúa los datos y nos
proporciona si el proceso es capaz o no dependiendo de que los valores estén
dentro de los límites de control.
7
CAPÍTULO II: MARCO TEÓRICO

2.1 Antecedentes de la investigación
Los antecedentes relacionados al tema de Control estadístico de proceso y
productividad relacionados al proceso de azúcar no han sido encontrados, pero en la
búsqueda se pudo rescatar tesis relacionados al tema que nos ayudaran a dar un sustento
a la investigación.
Explorando la documentación existente a nivel nacional y extranjera, se puede

constatar la existencia de tesis grado con características a fines al control estadístico de
procesos, como se muestra:
i. Farje (2008) Sistema de control de procesos para el aseguramiento de la

calidad en la producción de harina de pescado, realizado en la universidad
peruana de ciencias aplicadas, Piura.
Plantea como objetivo: “Construir un sistema informático que sirva de apoyo al

control del proceso durante la producción y de servicio para el aseguramiento
de la calidad del producto final”.
Metodología de la investigación:
Su diseño es no experimental en su variante descriptivo correlacional,

además es de tipo, según su alcance temporal es transversal porque toma
datos en un periodo dado y por única vez. Además, el tamaño de muestra
fue de 40 unidades de sacos de harina de pescado, para un tamaño de
muestra de 5. El periodo de estudio para hacer posible esta investigación
fue de 4 meses, empezando en el mes de marzo del 2007.
Concluye diciendo:
“Se realizó la construcción del modelo del sistema del presente proyecto
profesional, el cual servirá como base para su posterior desarrollo e
implementación, se ha procedido a enumerar los requerimientos funcionales y
no funcionales”.
8
ii. Bosquez (2005), Aplicación CEP (Control estadístico de procesos) para

mejorar el proceso de producción de tuberías plásticas en “Recuperadora de
plásticos Gallardo”, realizado en la Universidad de Guayaquil, Ecuador.
Tiene como objetivo:” Analizar los procesos de producción de tuberías de

plástico en la empresa recuperadora de plástico Gallardo, con el objeto de
brindar una propuesta para el control de actividades que agregan valor al
producto”.
Su diseño es no experimental en su variante descriptivo, además es de

tipo, según su alcance temporal es transversal porque toma datos en un
periodo dado y por única vez. Además, el tamaño de muestra fue de 50
unidades de tubos de diferente diámetro, para una muestra de 8, (1
muestra por cada hora laborable). El periodo de estudio para hacer
posible esta investigación fue de 6 meses, exactamente el primer
semestre del 2004.
Concluye diciendo:
Se analizó los procesos productivos de la empresa, aplicando métodos
de Ingeniería como los diagramas de procesos, gráficos de barras y de
pastel para la medición de la producción y las ventas.
A través del uso de herramientas de diagnóstico de ingeniería como la
matriz FODA, el diagrama de causa – efecto y el análisis de Pareto, se
ha podido establecer las principales problemáticas de la empresa que han
generado 20% de reproceso, 2% de desperdicio y 11,87% de los
productos vendidos a un precio menor que el establecido como normal,
debido a la baja calidad de dichos artículos. Estos problemas producen
una pérdida de $ 3, 932,14 semestrales para la organización.
iii. Valencia (2010), Desarrollo de una interfaz para el control estadístico de

procesos utilizando herramientas de matlab, realizado en la Universidad
Tecnológica de la Mixteca, Huajuapan de león, Oaxaca.
Plantea como objetivo: “Desarrollar una interfaz para el CEP, mediante la

aplicación de las herramientas del software Matlab para ayudar determinar la
9
presencia de patrones de inestabilidad y disminuir el tiempo de análisis de datos

de un proceso”.

datos en un periodo dado y por única vez. Además se tomaron 30
observaciones, con un tamaño de 6 datos de humedad relativa %, El
periodo de estudio para hacer posible esta investigación fue de 6 meses,
empezando en abril del 2009.
Concluye diciendo:
El software matlab es una herramienta flexible para la elaboración de

interfaces, debido a que cuenta con lenguaje propio de programación y
puede orientarse objetos, permitiendo elaborar interfaces de acuerdo a
las necesidades que se requieran.
Las funciones de programación que se elaboraron, permiten mostrar en

la interfaz los patrones de inestabilidad más comunes, cuándo estos se
presentaron en una serie de datos.
iv. Gómez (2010), Control estadístico del proceso bajo la metodología seis sigma
aplicado en el proceso de beneficio de bovinos de frigorífico Vijagual S.A.,
realizado en la universidad industrial de Santander, Bucaramanga.
Plantea como objetivo: Implementar el Control estadístico en el

proceso de beneficio de bovinos de la empresa Frigorífico Vijagual
S.A. basado en la metodología seis sigma buscando que el personal
relacionado con el proceso logre conocer el comportamiento real de las
operaciones y adoptar criterios que le permitan identificar y controlar
las variaciones anormales y eliminar sus fuentes.

periodo dado y por única vez. Además se tomaron 16 muestras, 1 por
10
semana, con un total de 50 datos cada una para encontrar los canales
defectuosos. El periodo de estudio para hacer posible esta investigación
fue de 4 meses, empezando en junio del 2010.
Concluye diciendo:
Se reconoció el proceso de beneficio de bovinos describiendo en cada

puesto de trabajo las operaciones que se desarrollan y la forma adecuada
de ejecutarlas para que el producto terminado cumpla con los requisitos
reglamentarios y los exigidos por el cliente.
Luego de identificado el proceso se logró determinar cuáles son las

variables críticas a controlar, estableciendo rangos y límites de medición
para cada una de ellas y monitoreando su comportamiento el cual arrojo
bases reales para tomar decisiones frente situaciones no deseadas dentro
del proceso.
v. Torres (2009), Aplicación CEP control estadístico de procesos para mejorar

los procesos de producción en el área de acabado sección esmaltado, realizado
en la universidad Guayaquil, Ecuador.
Tiene como objetivo: “Realizar una medición del proceso, y buscar alternativas
de solución para reducir el exceso de producto defectuoso.
La metodología de investigación es de tipo transversal con un nivel descriptivo

correlacional, emplea un enfoque cuantitativo”.

periodo dado y por única vez. Además se trabajó con 32 muestras,
semana, con un total de 50 datos cada una para encontrar los canales
defectuosos. El periodo de estudio para hacer posible esta investigación
fue de 4 meses, empezando en junio del 2008.
Concluye diciendo:
Con el uso de herramientas de ingeniería, como son grafica de Pareto,

causa- efecto, carta de control, se ha podido determinar que los
11
principales defectos que producen importantes pérdidas a la empresa es

el pelado, defecto que se produce por falta de control en los ajuste de los
esmaltes, por eso es necesario implementar una hoja de registro que
permita controlar este problema por hora, y una hoja de registro que
permita controlar a diario el producto terminado y así poder controlar el
reproceso.
Se ha realizado un control estadístico de los procesos CEP, a través de

un muestreo por atributos, utilizando la carta de control P, para corregir
la situación defectuosa detectada actualmente.
El método propuesto disminuirá el reproceso en 26975 unidades al año,

la alternativa escogida necesita una inversión de $3694.69.
vi. Enrique (2007), Implementación de un programa de Control Estadístico de

calidad en una empresa dedicada al ensamble de computadoras, realizado en
la universidad de San Carlos de Guatemala, Guatemala.
Tiene como objetivo: “Desarrollar un programa que implemente herramientas

estadísticas de calidad, en una empresa dedicada al ensamble de computadoras.”

periodo dado y por única vez. En la investigación emplea herramientas
como, hojas de verificación, diagrama de Pareto y grafico de control np,
además se trabajó con 20 observaciones, con un tamaño de muestra de
20 computadoras por observación. El periodo de estudio fue de 2 meses,
empezado en mayo del 2006.
Concluye diciendo:
El estudio que se realizó por medio de la carta np, nos indica que el actual
proceso de recepción de materia prima, analizado con gráficos de control
se encuentra fuera de control estadístico, debido a que no se aplica en la
actualidad ninguna técnica ni herramienta de muestreo. Pero que si
siguen las recomendaciones del presente trabajo, se puede a estabilizar
el mismo en el corto plazo.
12
vii. Mejía (2005), Propuesta de un modelo de direccionamiento estratégico basado

en herramientas estadísticas aplicado a la empresa Brenntag Colombia S.A.,
realizado en la universidad de Antioquia, Medellín, Colombia.
Plantea como objetivo: Diseñar una propuesta de direccionamiento

estratégico como herramienta en las reuniones gerenciales de Brenntag
Colombia S.A. que permita a la empresa el establecimiento de metas
organizacionales, que defina estrategias y políticas para lograr la metas,
y desarrolle planes detallados para asegurar la implantación de las
estrategias y así obtener lo fines buscados.
En la investigación se emplea la metodología de investigación Es de tipo
transversal, con un nivel descriptivo correlacional, tiene un enfoque
cuantitativo.

datos en un periodo dado y por única vez. En la investigación emplea
herramientas como, diagramas de flujo, diagrama causa efecto, diagrama
de Pareto y grafico de control np, además se trabajó con todas las no
conformidades levantadas en el área comercial. El periodo de estudio fue
de 12 meses, empezado en febrero del 2004.
Concluye diciendo:
Es importante destacar la gran importancia que tiene las técnicas

estadísticas para la evaluación de los estados actuales de los procesos y
la toma de decisiones pero es más importante aún capacitar a todo el
personal sobre todo el directivo sobre la importancia de tener un esquema
de modelo de direccionamiento estratégico y sobre el uso de
herramientas estadísticas , que sirva para los responsables de la compañía
en cabeza del gerente general para dirigir con un rumbo trazado firma
hacia el cumplimiento de las metas.
13
viii. Changoluisa (2014), Control estadístico del proceso de fabricación de perfiles

en la empresa novacero planta Lasso, realizado en la universidad de las Fuerzas
Armadas, Ecuador.
Tiene como objetivo: “Realizar el control estadístico del proceso de fabricación

de perfiles en las líneas de producción LPP y Tren 2, con el fin de determinar si
existen diferencias significativas”.

como, grafico de control, mide la capacidad de proceso, además se
trabajó con 16 observaciones, con un tamaño de muestra de 10
computadoras por observación. El periodo de estudio fue de 6 meses,
empezado en junio del 2013.
Concluye diciendo:
Se determinó los límites de control naturales de ancho, largo y espesor

para las pletinas analizadas tanto para LPP como para el tren 2 como se
detalla que el rango entre el LCS y el LCI en todos los casos es menor
en el tren 2 lo que confirma que este proceso tiene una menor
variabilidad que el LPP.
Se determinó las capacidades de proceso para el ancho, espesor y

longitud tanto para LPP como para el tren 2, como consecuencia de un
mayor rango entre los limites naturales del proceso en el caso del LPP,
su capacidad de proceso para las tres dimensiones analizadas es menor
si lo comparamos con el tren 2. En algunos casos el Cp, es menor que 1
lo que no es capaz de cumplir con los estándares de calidad de Novacero,
sin embargo, es importante mencionar que todos los requisitos
dimensionales cumplen con la norma.
14
ix. Sacoto y Esquivel (2008), Aplicación de un sistema de Control Estadístico de

Procesos en las áreas de producción de cemento en compañía Industrias
Guapan S.A., realizado universidad Politécnica Salesiana sede Cuenca, Cuenca,
Ecuador.
Plantea como objetivo: “Aplicar el Control Estadístico de Procesos en las áreas

de producción de cemento en Compañía Industrias Guapan S.A”.
como, grafico de control, mide la capacidad de proceso, además se
trabajó con 24 observaciones de pesos de sacos de cemento, con un
tamaño de muestra de 5 computadoras por observación. El periodo de
estudio fue de 3 meses, empezado en enero del 2007.
Concluye diciendo:
La aplicación del Control Estadístico de Procesos ha sido considerada

como tal debido a la necesidad del control fabricación del cemento: en
el área de trituración se calculó durante 4 días, que es el tiempo de
proceso de fabricación de una pila (Una pila es un lote de producción,
esta se evalúa para obtener resultados en la calidad del producto); en las
áreas de molino de crudo, horno y molino de cemento han sido
analizadas durante 3 turnos por 1 día para reevaluar la variabilidad del
proceso y completar la homogeneidad del material; en el área de
empaque por ser lotes de producción grandes ( 30000 sacos diarios) se
realiza un análisis de la variabilidad del proceso, ya que de acuerdo a la
Norma INEN 490 si el resultado es un producto no conforme se toman
acciones inmediatas.
De los objetivos planteados en la presente investigación, se concluye que

se han identificado y analizado los factores de mayor incidencia en el
rendimiento de las áreas de producción, además de las interrelaciones
entre estos. Con esta base se planteó el diseño estadístico más adecuado
y los resultados obtenidos han permitido el análisis de las características
15
del producto a través del proceso de producción.
x. Prast (2005), Control Estadístico de Procesos mediante análisis multivariante

de imágenes, realizado en la universidad Politécnica de Valencia, España.
Plantea como como objetivo: “Explorar las posibilidades del Control

Estadístico Multivariante de Procesos basado en métodos de proyección sobre
estructuras latentes mediante el análisis de imágenes y sus aplicaciones en
tiempo real a procesos productivos, con tres objetivos generales”.
como, grafico de control, mide la capacidad de proceso, El periodo de
estudio fue de 6 meses, empezado en junio del 2004.
Concluye diciendo:
Se ha propuesto el diseño de experimentos en conjunción con el análisis
de los resultados mediante un modelo de Regresión Logística como una
metodología eficiente a la hora de conocer los niveles óptimos de
procesos y de determinación de los factores de entrada significativos en
cada tipo de problema estudiado.
Los resultados obtenidos han puesto en manifiesto que la significación
y los niveles a emplear de los factores estudiados depende del problema
que se esté analizando en cada en cada caso (del tipo de imagen), así
como del enfoque utilizado, de los cual se deriva que la metodología
propuesta es de utilidad a la hora de optimizar el porcentaje de acierto
en la clasificación en diferentes problemas estudiados.
16
Explorando la documentación existente a nivel internacional, se puede constatar

la existencia de tesis grado con características afines a la variable Y
(Productividad), como se muestra:
i. Cargua y Gavilanes (2009), Diseño de un sistema de operaciones en métodos y

tiempos para mejorar la productividad en las líneas de producción de galleta y
caramelo en industrias alimenticias FENIX, realizado en la Escuela Superior
Politécnica de Chimborazo, Ecuador.
Plantea como objetivo: “Diseñar un sistema de operaciones en Métodos y

tiempos para mejorar la productividad en las líneas de producción de galleta y
caramelo en industrias alimenticias FENIX”.
Metodóloga de investigación:
además es de tipo según su alcance temporal, transversal porque toma
datos en un periodo dado y por única vez, tiene un enfoque cuantitativo
y en el paradigma deductivo. Conto con una población de 326
colaboradores, para el estudio se tomó una muestra de 177 colaboradores
para el siguiente estudio, a las cuales se les realizara entrevistas,
encuestas para la recolección de data. El periodo de estudio fue de todo
el año 2013.
Concluye diciendo:
El nuevo diseño del sistema de operaciones permite obtener una mayor

productividad como se demuestra: La producción aumenta en un 12.5%
a la productividad actual.
Con la utilización de agua caliente en lugar de agua fría, se logró una

reducción de tiempos en el mezclado, siendo la temperatura ideal de 55°
centígrados, no se puede sobrepasar esta temperatura.
17
ii. Molina (2013), Plan agregado de producción para el mejoramiento de la

productividad de la empresa Ecuatoriana de curtidos S.A., realizado en la
universidad Técnica de Ambato, Ecuador.
Tiene como objetivo: “Analizar el plan agregado de producción, de la empresa

Ecuatoriana de Curtidos Salazar S.A”.
Su diseño es no experimental en su variante descriptivo, explicativa,

datos en un periodo dado y por única vez, siendo estos cuantitativos y
cualitativos. Conto con una población de 65 personas, a las cuales se les
realizara entrevistas, encuestas para la recolección de data. El periodo de
estudio fue del primer trimestre en el año 2013.
Concluye diciendo:
La medición de los tiempos de cada una de las operaciones y de la

capacidad de la planta, pretende mejorar cada una de las operaciones de
producción, para con esto aprovechar al máximo todos los productos que
la empresa pueda generar en un mes, para así poder planificar bien la
producción y generar más utilidades, incrementando el número de
clientes y eliminando los retrasos de entrega de productos.
iii. Parrales y Tamayo (2012), Diseño de un modelo de gestión estratégico para el

mejoramiento de la productividad y calidad aplicado a una planta procesadora
de alimentos balanceados, realizado en la Escuela Superior Politécnica Del
Litoral, Guayaquil, Ecuador.
Tiene como objetivo: “Aumentar la competitividad de la empresa mejorando la

productividad y Calidad de sus operaciones, mediante la planeación, medición,
análisis y mejora de sus procesos, teniendo como base fundamental el uso y la
aplicación de modelos estadísticos”.
Su diseño es no experimental en su variante descriptiva, explicativa,
18
cualitativos. En la investigación emplea herramientas como, gráfico de

control, mide la capacidad de proceso, calcula la eficiencia, eficacia y
productividad. Emplea 50 observaciones con un tamaño de muestra de 1
dato de % de retención. El periodo de estudio fue del primer trimestre en
el año 2013.
Concluye diciendo:
Los indicadores de gestión son una herramienta para medir rendimientos

de la organización, dentro de todos los ámbitos y que permiten mejorar
la eficiencia, tras la aplicación de programas de operación, control,
mantenimiento y mejoramiento de los procesos.
El modelo de gestión propuesto, integra los mecanismos de control, sean

estos mediante indicadores de desempeño o mediante el control
estadístico de procesos; el primero, orientado a mejorar la eficacia y
eficiencia del sistema; y, el segundo, orientado a mejorar la calidad del
producto. Combinados entre sí, resulta una mejora de la calidad, y como
consecuencia de notable mejora de la productividad de la organización.
iv. Bonilla (2014), Planeación de la producción para el mejoramiento de la

productividad de acoples y capsulas en la compañía Impofreico S.A., realizado
en la universidad Técnica de Ambato, Ecuador.
Plantea como objetivo: “Determinar la incidencia de la Planificación de la
producción para el mejoramiento de la productividad de Acoples y Capsulas en
la compañía IMPOFREICO S.A”.
Su diseño es no experimental en su variante explicativa correlacional,
cualitativos. En la investigación trabaja con una población de 19
personas, para el estudio cualitativo, además de obtener la información
necesaria para el procesamiento de datos, usando entrevistas, encuestas
y fichas de observación. El periodo de estudio fue de 3 años, empezando
en el 2011 y culminando el 2013.
19
Concluye diciendo:
El análisis y la implementación del mantenimiento preventivo del torno

CNC-1 y el formulario de registro de averías permiten corregir cualquier
anomalía a tiempo y mantener a la maquina en óptimas condiciones para
el desarrollo de la producción. El diseño de los planos de Acoples y
Capsulas disminuye considerablemente el tiempo en la calibración de la
maquinaria ya que se puede apreciar las medidas y el tipo de material
rápidamente, además facilita en el control de calidad la comparación del
producto con el plano.
v. Cevallos (2012), Control de calidad y productividad en la construcción del

programa habitacional de interés social Ciudad Alegría, realizado en la
Universidad Técnica Particular de Loja, Ecuador.
Tiene como objetivo: “Evaluar la productividad en la construcción del

programa habitacional de interés social “Ciudad Alegría” etapa I, de la ciudad
de Loja”.
Su diseño es no experimental en su variante descriptiva correlacional,
contratistas, para el estudio cualitativo, usando entrevistas, encuestas
validando esto a un nivel del 95%, y un total de 136 muestras de cilindros
para los datos cuantitativos. El periodo de estudio fue de 3 meses,
empezando el mes de octubre y culminando en diciembre del 2010.
Concluye diciendo:
La productividad del sector de la construcción en la ciudad de Loja

tiende a bajar, pues desde el 2009 hasta 2011ha sufrido un notable
descenso, lo que implica perdidas en este sector.
El transporte de materiales dentro de la obra, la preparación de equipos

y materiales más incidentes en la baja productividad obtenida.
20
vi. Amores y Vilca (2011), Estudio de tiempos y movimientos para mejorar la

productividad de pollos eviscerados en la empresa H&N Ecuador Ubicada en
la Panamericana Norte Sector Lasso para el periodo 2011-2013, realizado en
la universidad Técnica de Cotopaxi, Latacunga, Ecuador.
Tiene como objetivo: “Medir la productividad en la planta faenadora mediante

la optimización de recursos y restructuración en el proceso productivo para
obtener un producto más competitivo en el mercado”.
personas, para el estudio cualitativo, además de obtener la información
necesaria para el procesamiento de datos, usando entrevistas y encuestas.
El periodo de estudio fue de 6 meses, empezando en febrero del 2011.
Concluye diciendo:
El tiempo inicial para la producción de 1600 pollos era de 8,46

horas, tomando en cuenta las mejoras propuestas se bajó el tiempo a 7,01
horas para el mismo número de pollos, obteniendo un ahorro de 1,45
horas en el proceso, lo que nos da un porcentaje del 17,14%. De
esta manera se mejoró la productividad de la planta faenadora.
Estos nuevos niveles de productividad obtenidos se mantendrán
realizando todo lo propuesto planteada para la planta faenadora, ya que
esta contiene los requerimientos para un flujo apropiado de producción.
vii. Tristan (2005), Análisis de la productividad del departamento de mantenimiento

de plantas de petroquímica Tula, S.A. de C.V, realizado Instituto Politécnico
Nacional, México D.F.
Plantea como objetivo: “Analizar la productividad que tiene el departamento de

mantenimiento de plantas de Petroquímica Tula, S.A. de C.V., y crear un
sistema general de indicadores”.
21
además es de tipo según su alcance temporal, longitudinal debido al
periodo dado escogido, siendo estos cuantitativos y cualitativos. En la
investigación trabaja con toda la información obtenida en el periodo de
tiempo. El periodo de estudio para la recolección de data fue desde el
1996 hasta el 2003.
Concluye diciendo:
La evaluación de la productividad en el área de mantenimiento de
plantas la reparación General puede evaluarse por medio de un cuadro
de control una evaluación cuantitativa de resultado de la comparación de
los costos de eficiencia del presupuesto ejercicio en mantenimiento con
respecto a los equipos reparados, contra los estándares internacionales;
nos sirven para conocer sus debilidades y fortalezas, que serán utilizados
para el planteamiento de estrategias a seguir para disminuir las
diferencias encontradas.
viii. Vaca (2009), La administración por procesos en la productividad de las

empresas, realizado en la universidad Tecnológica Equinoccial, Quito, Ecuador.
Tiene como objetivo: “Diseñar un método de análisis y establecimiento de

procesos para instituciones o empresas en nuestro medio, que permita establecer
indicadores de gestión que determinen la incidencia de la administración por
procesos dentro de la productividad de las empresas”.
cualitativos. En la investigación trabaja con toda la información sobre el
otorgo de préstamos. El periodo de estudio fue de 12 meses, empezando
en el mes de enero del 2008.
Concluye diciendo:
Asimismo, se ha podido comprobar las hipótesis de que si es posible
mejorar la rentabilidad de las empresas a través del monitoreo y
22
optimización de los procesos, pues se demuestra en la aplicación al

Banco del Estado, cómo la disminución de tiempos y eficiencia
permite disminuir los costos y por tanto mejorar la rentabilidad de la
institución y, que el mejoramiento continuo de los procesos de la
empresa, permiten obtener mejores. Índices de productividad a través de
la sistemática aplicación de la metodología indicada.
ix. Arcos (2008), Optimización de procesos de unidades operativas de una

empresa de Outsourcing, realizado en la universidad San Francisco de Quito,
Ecuador.
Plantea como objetivo: Realizar un levantamiento de información de las

cuatro unidades del área de procesos especiales, con el objetivo de
presentar un formato estándar que permita la medición de la
transaccionalidad y productividad de estas unidades; para poder facturar
de forma adecuada los servicios prestados por parte de TCS para Banco
Pichincha, y buscar paralelamente las oportunidades de mejora y la
capacitación de las operaciones de otros Bancos dentro del país.
datos en un periodo dado y por única vez, siendo estos cuantitativos. En
la investigación trabaja con toda la información sobre el otorgo de
préstamos. El periodo de estudio fue de 12 meses, empezando en el mes
de enero del 2008.
Concluye diciendo:
La matriz transaccional permitió visualizar los procesos, la productividad
y eficiencia de cada unidad, y en base a estas observaciones direccionar
los procesos a la unidad adecuada y mejorar otros procesos
A través del modelo de distribución de carga laboral se obtiene dos

objetivos principales para la empresa. El primero es optimización de los
recursos disponibles, y el segundo es lograr que el personal sea
multifuncional lo que dará paso al proyecto de remuneración variable al
que se está enfocando Tata Consultancy Services.
23
x. Erazo (2013), Propuesta de mejoramiento de la productividad de la línea de

camisetas interiores en una empresa de confecciones por medio de la aplicación
de herramientas Lean Manufacturing, realizado en la universidad de San
Buenaventura Cali, Cali, Ecuador.
Tiene como objetivo: “Realizar una propuesta para el mejoramiento de la
productividad de la línea de camisetas interiores de la empresa Agatex S.A.S
utilizando herramientas de Lean Manufacturing”.
datos en un periodo dado y por única vez, siendo estos cuantitativos. En
la investigación trabaja con toda la data de producción. El periodo de
estudio fue de 06 meses, empezando en el mes de enero del 2013.
Concluye diciendo:
La aplicación de herramientas Lean Manufacturing son vitales para la
mejora de las operaciones de la PYMES, especialmente del sector
manufacturero, ya que contribuye al mejoramiento de los procesos
eliminando las actividades que no generan valor trayendo como
consecuencia mayor satisfacción al cliente e incluso ahorros financieros
sin realizar grandes inversiones.
La construcción de un modelo simulado del sistema de producción y la

elaboración del mapa de cadena de valor del proceso, son una
combinación bastante efectiva a la hora de realizar el diagnóstico para
encontrar las áreas de oportunidad que se encuentran inmersas en algún
proceso.
24
2.2 Bases teóricas

2.2.1 Control estadístico del proceso
Definimos al control estadístico de procesos, como un concepto ligado con la
calidad, y a la vez considerada como una herramienta o técnica estadística que ayuda a
determinar si un proceso se encuentra o no bajo control en términos estadísticos, lo cual
nos permite monitorearlo y establecer parámetros para tener un mejor control. Además,
se dice que todos los procesos están sujetos a un cierto grado de variabilidad, donde a
través de los gráficos de control determinaremos los límites superior e inferior del
proceso que nos permitirá observar e identificar cuando, quien y donde se presenta
cierta variación que afecta directamente al proceso.
También dentro del control estadístico de procesos se utiliza la capacidad de

procesos que nos ayuda a determinar si los procesos de fabricación pueden mantenerse
dentro de las tolerancias, o si cumple o no con las especificaciones de calidad. Mediante
el cálculo del índice de capacidad se determinar si el proceso es capaz o no, y también
hace uso de la estabilidad de procesos que es un indicador que se utiliza para determinar
si un proceso se encuentra estable, también se considera las diversas herramientas de
calidad que contribuirán junto al control estadístico de procesos a poder controlar
diversos procesos de diferentes organizaciones.
Chase, Jacobs y Aquilano (2009) mencionan:
Control de procesos es considerado como una técnica que se ocupa de vigilar la

calidad mientras se produce el producto o servicio. Los objetivos típicos de los
planes de control de procesos son proporcionar información oportuna sobre si
los artículos producidos en ese momento cumplen con las especificaciones de
diseño y detectar cambios en el proceso que indiquen que es probable que los
productos futuros no cumplan con esas especificaciones. El control estadístico
de procesos (CEP) comprende probar una muestra aleatoria de la producción de
un proceso para determinar si éste produce artículos que están dentro del rango
preseleccionado.
Heizar y Render (2014) sustenta en su obra:
Control estadístico del proceso es una técnica estadística usada ampliamente

para asegurar que los procesos cumplan con los estándares. Todos los procesos
están sujetos a cierto grado de variabilidad. En la actualidad muchas personas
25
se refieren a estas variaciones que se pueden agrupar en causas naturales y

causas asignables.
Variaciones naturales: Afectan casi todo los procesos de producción y deben

esperarse, donde las variaciones naturales se comportan como un sistema de
causas probabilística. Aunque los valores son diferentes, como grupo forma un
patrón que puede describirse como una distribución. Cuando estas
distribuciones son normales se caracterizan mediante dos parámetros:
 Media, 𝜇 ( la media de tendencia central en este caso, el valor

promedio)
 Desviación estándar,𝜎 ( la media de dispersión)
Siempre que la distribución (medidas de los resultados) permanezca

dentro de los límites especificados, se dice que el proceso está “bajo
control”, y las variaciones naturales se toleran.
Variaciones asignables: En un proceso, la variación asignable puede rastrearse

hasta su razón específica. Factores como el desgaste de la maquinaria, el
desajuste de equipos, la fatiga o la mala capacitación de los trabajadores, o
nuevos lotes de materias primas, son fuentes potenciales de variaciones
asignables.
Las variaciones naturales y asignables distinguen dos tareas para el

administrador de operaciones. La primera es asegurarse de que el proceso es
capaz de operar bajo control sólo con la variación natural.
La segunda es, por supuesto, identificar y eliminar las variaciones asignables

para que los procesos se mantengan bajo control.
Utilizamos el control estadístico del proceso para medir el desempeño de un

proceso. Se dice que un proceso opera bajo control estadístico cuando su única
fuente de variación consiste en las causas comunes (naturales). El proceso debe
ponerse primero bajo control estadístico detectando y eliminando las causas
especiales (asignables) de variación. Después de esto su desempeño es
predecible y se evalúa su habilidad para satisfacer las expectativas del cliente.
26
El objetivo de un sistema de control es proporcionar una señal estadística

cuando están presentes causas de variación asignables. Dicha señal puede
acelerar la acción apropiada para eliminar las causas asignables.
Figura 1: Ciclo de aplicación del control estadístico de procesos.
Nota: Veles (2009)

Montgomery y Runger (2009), mencionan:
Que el control estadístico de procesos ayuda a controlar el proceso

donde no es práctico inspeccionar la calidad dentro de un producto: el producto
debe hacerse correctamente la primera vez, en consecuencia, el proceso de
fabricación debe ser estable o repetible y tener la capacidad de operar con poca
variabilidad en torno de la dimensión objetivo o nominal. El control estadístico
de procesos en línea constituye una poderosa herramienta para conseguir la
estabilidad de los procesos y para mejorar su capacidad mediante la reducción
de la variabilidad.
Es común considerar el control estadístico de procesos (CEP) como un conjunto

de herramientas para resolver problemas que puede aplicarse a cualquier
proceso. Las principales herramientas del CEP son:
1. El histograma.
2. El diagrama de Pareto
3. El diagrama de causa y efecto
4. El diagrama de concentración de defectos
5. La carta de control
6. El diagrama de dispersión
7. La hoja de verificación
27
Aun cuando estas herramientas son un parte importante del CEP, abarcan
únicamente el aspecto técnico del tema. Un elemento igualmente importante del
CEP es la actitud: el deseo de todos los integrantes de una organización para
mejorar en forma continúa la calidad y la productividad mediante la reducción
sistemática de la variabilidad. La carta de control es la más poderosa de las
herramientas del CEP.
2.2.1.1 Gráfica de control
Definiremos a la gráfica de control como una herramienta estadística que es

usada por el control estadístico de procesos, que sirve para poder analizar el
comportamiento de los diferentes procesos en un tiempo determinado, y además para
poder prever posibles fallos que perjudican al proceso. En la gráfica de control se
muestran los límites inferior y posterior, los cuales nos indicaran si los resultados están
bajo control o no, pues veremos si los datos se mantienen dentro de los limites, además
podremos observar las cusas comunes y asignables, los que ayudaran a ver cómo se
comporta el proceso
Escalante (2011) Menciona: “La gráfica de control es una herramienta estadística que
muestran el comportamiento de cierta característica de calidad de un proceso o producto
con respecto al tiempo, su objetivo, evaluar, controlar y mejorar procesos y productos”.
Figura 2: Grafica de control.
Nota: Análisis y mejoramiento de la calidad Escalante (2011)

28
Usos de las gráficas de control

Escalante (2011) menciona:
Que las gráficas de control se emplean para:
 Evaluar la estabilidad de un proceso, y posteriormente evaluar el desempeño del

mismo por medio de estudios de capacidad
 Mejorar el desempeño de un proceso al dar indicaciones sobre las posibles
causas de variación, y por tanto poder eliminaras, además de ayudar a la
prevención de problemas.
 Mantener el desempeño de un proceso al indicar el tiempo de ajuste del mismo.
Según Heizar y Render (2014):
El proceso de construcción de una gráfica de control se basa en los

conceptos presentados en la figura 3, Esta figura muestra tres distribuciones que
representan los resultados de tres tipos de proceso. Para observar si el proceso
está dentro de los “límites de control”, graficamos las muestras pequeñas y
después examinamos las características de los datos resultantes. El propósito de
las gráficas de control es ayudarnos a distinguir entre las variaciones naturales
y las variaciones debidas a causas asignables. Como se observa en la figura 3,
un proceso está (a) bajo control y el proceso es capaz de producir dentro de los
límites de control establecidos, (b) bajo control pero el proceso no es capaz de
producir dentro de los límites establecidos, o (c) fuera de control. A
continuación veremos algunas formas de construir gráficas de control que
ayudan a los administradores de operaciones a mantener un proceso bajo
control.
Figura 3: Control de procesos con tres tipos de resultados.
Nota: Administración de operaciones Heizar y Render (2014)

29
Gráficas de control para variables

Según Heizar y Render (2014) :
Explica que los variables de interés aquí son aquellas que tienen
dimensiones continuas. Tales variables tienen un número infinito de
posibilidades. Algunos ejemplos son peso, velocidad, longitud, o fuerza. Las
gráficas de control para la media, x– o x-barra, y para el rango, R, se usan para
monitorear procesos con dimensiones continuas. La gráfica x– nos indica si han
ocurrido cambios en la tendencia central (en este caso, la media) de un proceso.
Estos cambios podrían deberse a factores como el desgaste de herramientas, un
aumento gradual de la temperatura, el uso de un método diferente en el segundo
turno, o a materiales nuevos y más fuertes. Los valores de la gráfica R indican
que ha ocurrido ganancia o pérdida en la dispersión. Quizá el cambio se deba al
desgaste de cojinetes, a una herramienta desajustada, al flujo errático de los
lubricantes hacia la máquina, o al descuido del operario de una máquina. Los
dos tipos de gráficas se utilizan al mismo tiempo cuando se trata de monitorear
las variables porque miden los dos parámetros críticos: tendencia central y
dispersión.
Según Heizar y Render (2014):
Teorema de límite central

El fundamento teórico de las gráficas es el teorema de límite central.
Este teorema establece que independientemente de la distribución de la
población, la distribución de las (cada una de las cuales es la media de una
muestra sacada de una población) tiende a seguir una curva normal cuando
aumenta el número de muestras. Por fortuna, incluso cuando la muestra (n) sea
bastante pequeñas, la distribución de los promedios generalmente seguirá una
curva normal.
𝜎 (1)
𝜎Χ =
√𝑛
Fórmula 1: Teorema de límite central
Determinación de los limites de la gráfica de la media (graficas )
Si conocemos, a partir de los datos históricos, la desviación estándar de

la población de un proceso, 𝜎 podemos establecer los límites de control superior
30
usando la siguiente formulas:
(𝐿𝐶𝑆) = 𝑋̅ + 𝑧 𝜎× (2)
Fórmula 2: Límite central superior - grafica media
(𝐿𝐶𝐼) = 𝑋̅ − 𝑧 𝜎× (3)
Fórmula 3: Límite central inferior - grafica media
Donde:
𝑋̅= Media de las medias muéstrales o el valor establecido para el proceso.

Z= Numero de desviaciones estándar.
𝜎× = Desviación estándar de las medias muéstrales 𝜎⁄
√𝑛
𝜎= Desviación estándar de la población
𝑛= tamaño de la muestra
Ejemplo se muestra como establecer los límites de control para las medias
muéstrales usando las desviaciones estándar.
Figura 4: Distribución muestral.
Nota: Administración de operaciones Heizar y Render (2014)
Graficas de control rangos

Escalante (2011), menciona:
La grafica de control rangos es una herramienta estadística que muestra

el comportamiento de la media (posición) y la variación (dispersión) de cierta
característica de calidad de un proceso con respecto al tiempo. Esta gráfica se
31
usa para controlar una característica de calidad continua tomando muestras de

tamaño entre 2 y 10.
Obtención de los límites de control

Partiendo del formato general de los límites de control 3(𝜇 ± 3𝜎), se pueden
particularizar como 𝜇× ± 3𝜎× para las medias, y 𝜇𝑅 ± 3𝜎𝑅 para los rangos.
Graficas de control para atributos

Heizar y Render (2014) , mencionan:
Las gráficas de control 𝑋̅ y R no se aplican a los muestreos de atributos,
los cuales comúnmente se clasifican como defectuosos o no defectuosos. La
medición de artículos defectuoso implica contarlos, mientras que las variables
suelen medirse por longitud o peso.
Tipos de graficas de control por atributos

 Grafica p
El uso de graficas p es la principal forma de controlar los atributos.
Aunque los atributos que son buenos o malos siguen una distribución binomial,
puede usarse la distribución normal para calcular los límites de la gráfica p
cuando los tamaños de las muestras son grandes. El procedimiento se parece al
enfoque de la gráfica, que también se basa en el teorema del límite central.
Las fórmulas para los límites de control superior e inferior de la gráfica p son
las siguientes:
𝐿𝐶𝑆𝑝 = 𝑃̅ + 𝑧𝜎𝑝 (4)
Fórmula 4: Límite central superior - grafica p
𝐿𝐶𝐼𝑝 = 𝑃̅ − 𝑧𝜎𝑝 (5)
Fórmula 5: Límite central inferior - grafica p
Donde:
= Fracción media de defectos encontrados en la muestra.

Z= número de desviaciones estándar (z=2) para límites de 95.45%; (z= 3) para
límites del 99.73%
𝜎Ρ= Desviación estándar para la distribución de la muestra.
32
 Carta np
Gutiérrez y De la Vara (2009), sustentan:
El tamaño de subgrupo o muestra en las cartas p es constante, es más

conveniente usar la carta np, en la que se grafica el número de defectuosos por
subgrupo di, en lugar de la proporción. Los límites de control para la carta np se
obtienen estimando la media y la desviación estándar de di, que bajo el supuesto
de distribución binomial están dadas por:
Donde: 𝜇𝑑𝑖 = 𝑛𝑝
𝜎𝑑𝑖 = √𝑛𝑝̅ (1 − 𝑝̅ ) (6)
Fórmula 6: desviación estándar de subgrupo di

Dond es la proporción promedio de artículos
de artículos defectuosos, de aquí que los límites de control de la carta np estén
dados por:
𝐿𝐶𝑆 = 𝑛𝑝 + 3 √𝑛𝑝 (1 − 𝑝 ) (7)
Fórmula 7: Límite central superior - carta np
𝐿𝐶𝐼 = 𝑛𝑝 − 3 √𝑛𝑝 (1 − 𝑝̅ ) (8)
Fórmula 8: Límite central inferior - carta np
𝐿𝐶 = 𝑛𝑝 (9)
Fórmula 9: Limite central - Carta np
 Gráfica c
Heizar y Render (2014), mencionan:
Las gráficas c se usan para controlar el número de defectos por unidad

de producción.
Las gráficas de control de defectos son útiles para monitorear procesos en los
que existe un gran número de errores potenciales, pero que en realidad ocurre
un número relativamente pequeño.
Gutiérrez y De la Vara (2009), mencionan:
El objetivo de la carta c es analizar la variabilidad del número de

defectos por subgrupo, cuando el tamaño de este se mantiene constante. En esta
33
carta se grafica ci que es igual al número de defectos o eventos en el i- esimo

subgrupo (muestra).
Por ello, los límites de control de la carta c se obtienen con las expresiones:
𝐿𝐶 = 𝐶̅ (10)
Fórmula 10: Limite central - Grafica c
𝐿𝐶𝑆 = 𝐶̅ + 3√𝑐̅ (11)
Fórmula 11: Limite central superior - Grafica c
𝐿𝐶𝐼 = 𝐶̅ − 3√𝑐̅ (12)
Fórmula 12: Limite central inferior - Grafica c
 Gráfica u
Gutiérrez y De la Vara (2009) sustenta:
Cuando en el tipo de variables que se comentaron al inicio de esta

sección (con distribución Poisson), el tamaño del subgrupo no es constante, se
usa la carta u, en la cual se analiza la variación del número promedio de defectos
por artículo o unidad, en lugar del total de defectos en el subgrupo. Así, en esta
carta, un subgrupo lo forman varias unidades. De manera que para cada
subgrupo se gráfica.
𝑐𝑖 (13)
𝜇𝑖 =
𝑛𝑖
Fórmula 13: Determinación de subgrupo - grafica u
Donde ci es la cantidad de defectos en el subgrupo i y ni es el tamaño

del subgrupo i. Para calcular los límites es necesario estimar la media y la
desviación estándar del estadístico ui que bajo el supuesto de que ci sigue una
distribución Poisson, resultan ser:
𝑇𝑜𝑡𝑎𝑙 𝑑𝑒 𝑑𝑒𝑓𝑒𝑐𝑡𝑜𝑠 (14)

𝑢𝑢𝑖 = 𝑢̅ =
𝑇𝑜𝑡𝑎𝑙 𝑑𝑒 𝑎𝑟𝑡𝑖𝑐𝑢𝑙𝑜𝑠 𝑖𝑛𝑠𝑝𝑒𝑐𝑐𝑖𝑜𝑛𝑎𝑑𝑜𝑠
Fórmula 14: Medica - grafica u
(15)
𝑢̅
𝜎𝑢𝑖 = √
𝑛
Fórmula 15: Desviación - Grafica u

34
Donde:
n es el tamaño de subgrupo. De esta manera, los límites de control en la carta u
están dados por:
(16)
𝑢̅
𝐿𝐶𝑆 = 𝑢̅ + 3√
𝑛
Fórmula 16: Limite central superior - Grafica u
(17)
𝑢̅
𝐿𝐶𝐼 = 𝑢̅ − 3√
𝑛
Fórmula 17: Limite central inferior - Grafica u
𝐿𝐶 = 𝑢̅ (18)
Fórmula 18: Limite central - Grafica u
Cuando n no es el mismo en todos los subgrupos, entonces se sustituye

por el tamaño promedio de subgrupo ̅𝑛. Otra alternativa es obtener una carta con
límites variables, en la que para cada subgrupo se calculan sus límites en función
del tamaño del subgrupo 𝑛𝑖 y con estos se evalúa el proceso para tal subgrupo.
2.2.1.2 Estabilidad de procesos
Gutiérrez y De la Vara (2009), mencionan:
La estabilidad de proceso es la variación de un proceso a través del

tiempo. Si está estable (o control estadístico) entonces es predecible en el futuro
inmediato.
Un proceso se considera estable cuando existe solo variación generada por las
causas comunes de variación. Las causas comunes se originan de los básicos de
un proceso de manufactura, las cuales son típicamente las 6M’s (maquinaria,
mano de obra, métodos, mediciones, materiales, medio ambiente).
Índice de estabilidad de proceso:
𝑆𝑡 (19)
𝛿𝑡 =
𝑆𝑝
Fórmula 19: Índice de estabilidad de proceso
35
Donde:
𝑆𝑡 : 𝐷𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝑒𝑠𝑡à𝑛𝑑𝑎𝑟 𝑑𝑒𝑙 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑙𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎
𝑆𝑝 ò 𝜎: 𝐷𝑒𝑠𝑣𝑖𝑎𝑐𝑖ò𝑛 𝑒𝑠𝑡𝑎𝑛𝑑𝑎𝑟 𝑡𝑒𝑜𝑟𝑖𝑐𝑎 𝑑𝑒 𝑙𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛
Parámetros:
𝑆𝑖 𝑒𝑙 𝛿𝑡 < = 1,4 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑒𝑙 𝑝𝑟𝑜𝑐𝑒𝑠𝑜 𝑒𝑠 𝑒𝑠𝑡𝑎𝑏𝑙𝑒
𝑆𝑖 𝑒𝑙 𝛿𝑡 > 1,4 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑒𝑙 𝑝𝑟𝑜𝑐𝑒𝑠𝑜 𝑒𝑠 𝑖𝑛𝑒𝑠𝑡𝑎𝑏𝑙𝑒
2.2.1.3 Capacidad de proceso
Gutiérrez y De la Vara (2009) mencionan:
La capacidad o habilidad de un proceso, consiste en determinar la amplitud de

la variación natural del proceso para una característica de calidad dada. Esto
permitirá saber en qué medida tal característica de calidad es satisfactoria
Por lo general, para realizar un estudio de capacidad se toman datos del proceso
durante un periodo considerable para que se refleje bien el desempeño del
proceso.
Carot (2001), menciona: “La capacidad es la aptitud del proceso para producir
productos dentro de los límites de las especificaciones de calidad”.
La variabilidad natural del proceso se cuantifica mediante:
𝑉𝑁 = 6. 𝜎 (20)
Fórmula 20: Variabilidad natural

Como sabemos, si la variable de calidad considerada se distribuye
normalmente, el intervalo definido 𝜇 ± 3𝜎 contiene la práctica totalidad de las
unidades fabricadas, más exactamente contiene al 99.73% de la producción. La
amplitud de este intervalo es precisamente lo que hemos definido como
variabilidad natural del proceso. En consecuencia, podemos definir
numéricamente de otra forma a la variabilidad natural del proceso.
Capacidad potencial del proceso
Si la amplitud de tolerancias 𝑤 = 𝑇2 − 𝑇1 , es mayor que la variabilidad

natural del proceso, cuando la media del proceso 𝜇 coincida con el punto medio
del intervalo de tolerancias 𝑀 = (𝑇1 + 𝑇2 )/2, la proporción de piezas fuera de
tolerancias será inferior al 0.27%. Por el contrario, si la variabilidad natural del
36
proceso es mayor que la amplitud de tolerancias, independientemente de donde

este situada la media, la proporción de la producción fuera de tolerancias será
superior al 0.27%.
Parece pues lógico que el índice que mida la capacidad del proceso relacione la
amplitud de las tolerancias con la variabilidad natural del proceso. Por ello se
define a la capacidad potencial del proceso mediante:
𝑊 𝑇2 − 𝑇1 (21)
𝑐𝑝 = =
𝑉𝑁 6. 𝜎
Fórmula 21: Capacidad potencial del proceso
Gutiérrez De la Vara (2009):
Índice de capacidad para procesos con doble especificación
Los procesos tienen variables de salida o de respuesta, las cuales deben
cumplir con ciertas especificaciones a fin de considerar que el proceso está
funcionando de manera satisfactoria.
Evaluar la habilidad o capacidad de un proceso consiste en conocer la
amplitud de la variación natural de éste para una característica de calidad dada,
lo cual permitirá saber en qué medida tal característica de calidad es satisfactoria
(cumple especificaciones).
En esta sección se supone que se tiene una característica de calidad de
un producto o variable de salida de un proceso, del tipo valor nominal es mejor,
en donde, para considerar que hay calidad las mediciones deben ser iguales a
cierto valor nominal o ideal (N), o al menos tienen que estar con holgura dentro
de las especificaciones inferior (EI) y superior (ES).
Figura 5: Capacidad del proceso (distribución normal).
Nota: Control estadístico de calidad y seis sigma Gutiérrez y

De la Vara (2009)
37
Índice de capacidad potencial (Cp).
El índice de capacidad potencial del proceso, Cp, se define de la siguiente

manera:
𝐸𝑆 − 𝐸𝐼 (22)
𝐶𝑝 =
6𝜎
Fórmula 22: Índice de capacidad potencial
Donde σ representa la desviación estándar del proceso, mientras que ES
y EI son las especificaciones superior e inferior para la característica de calidad.
Como se puede observar, el índice Cp compara el ancho de las especificaciones
o la variación tolerada para el proceso con la amplitud de la variación real de
éste:
𝑉𝑎𝑟𝑖𝑎𝑐𝑖𝑜𝑛 𝑡𝑜𝑙𝑒𝑟𝑎𝑑𝑎
𝐶𝑃 =
𝑉𝑎𝑟𝑖𝑎𝑐𝑖𝑜𝑛 𝑟𝑒𝑎𝑙
Decimos que 6σ (seis veces la desviación estándar) es la variación real,

debido a las propiedades de la distribución normal, en donde se afirma que entre
μ ± 3σ se encuentra 99.73% de los valores de una variable con distribución
normal. Incluso si no hay normalidad, 1 en μ ± 3σ se encuentra un gran
porcentaje de la distribución debido a la desigualdad de Chebyshev y a la regla
empírica.
Interpretación del índice de capacidad (Cp)
Para que el proceso sea considerado potencialmente capaz de cumplir

con especificaciones, se requiere que la variación real (natural) siempre sea
menor que la variación tolerada. De aquí que lo deseable es que el índice Cp sea
mayor que 1; y si el valor del índice Cp es menor que uno, es una evidencia de
que el proceso no cumple con las especificaciones. Para una mayor precisión en
la interpretación en la tabla 5.1 se presentan cinco categorías de procesos que
dependen del valor del índice Cp, suponiendo que el proceso está centrado. Ahí
se ve que el Cp debe ser mayor que 1.33, o que 1.50 si se quiere tener un proceso
bueno; pero debe ser mayor o igual que dos si se quiere tener un proceso de
clase mundial (calidad Seis Sigma). Además, en la tabla 5.2 se representó el
valor del índice en el porcentaje de artículos que no cumplirían especificaciones,
así como en la cantidad de artículos o partes defectuosas por cada millón
producido (PPM). Por ejemplo, si el índice Cp = 0.8 y el proceso estuviera
38
centrado, entonces el correspondiente proceso produciría 1.64% de piezas fuera

de especificaciones (que corresponde a 16 395 partes malas por cada millón
producido). Una observación que se deriva de la tabla referida es que el valor
del índice Cp no es igual al porcentaje de piezas que cumplen con
especificaciones.
Limites reales o naturales
Los límites reales o naturales de un proceso indican los puntos entre los cuales
varía la salida de un proceso y, por lo general, se obtienen de la siguiente
manera:
Limite real inferior (LRI) = μ − 3σ y Limite real superior (LRS) = μ + 3σ
El cálculo de estos límites está inspirado en la regla empírica, que a su vez

coincide con la propiedad de la distribución normal. En un estudio de capacidad,
estos límites reales se comparan con las especificaciones para la característica
de calidad
Heizar y Render (2014), sustenta que:

Habilidad del proceso
El control estadístico del proceso implica mantener un proceso bajo

control. Esto significa que la variación natural del proceso debe ser estable. Pero
un proceso que se encuentra bajo control estadístico podría no producir bienes
y servicios que cumplan sus especificaciones de diseño (tolerancias).
La habilidad de un proceso para cumplir las especificaciones de diseño,

establecidas por ingeniería de diseño o por los requerimientos del cliente, se
denomina habilidad del proceso. Aun cuando un proceso esté bajo control
estadístico (estable), el resultado de ese proceso podría no apegarse a las
especificaciones.
Chase, Jacobs y Aquilano (2009)

Razón de habilidad del proceso (Cp)
Para que un proceso sea capaz, sus valores deben caer dentro de las
especificaciones superior e inferior.
39
Por lo general, esto significa que la habilidad del proceso está dentro de
±3 desviaciones estándar de la media del proceso. Como este rango de valores
es de 6 desviaciones estándar, la tolerancia de un proceso capaz, que es la
diferencia entre las especificaciones superior e inferior, debe ser mayor o igual
a 6.
La razón de la habilidad del proceso, Cp.
𝐿𝐸𝑆 − 𝐿𝐸𝐼 (23)

𝐶𝑝 =
6𝑠𝑝
Fórmula 23: Habilidad del proceso
Un proceso capaz tiene una Cp de al menos 1.0. Si la Cp es menor que
1.0, el proceso da como resultado productos o servicios que están fuera de su
tolerancia permitida. Con una Cp de 1.0, se espera que 2.7 partes en 1,000 estén
“fuera de las especificaciones”.5 Entre mayor sea la razón de habilidad del
proceso, mayor será la probabilidad de que el proceso esté dentro de las
especificaciones de diseño. Muchas empresas han elegido como meta una razón
Cp de 1.33 (un estándar de 4 sigma) para reducir la variabilidad del proceso.
Esto significa que esperan que sólo 64 partes por millón estén fuera de lo
especificado.
Recuerde que en el capítulo 6 mencionamos el concepto de calidad Seis

Sigma, donde GE y Motorola son líderes. Este estándar es igual a una razón Cp
de 2.0, con sólo 3.4 partes defectuosas por millón (muy cerca de cero defectos)
en vez de 2.7 partes por 1,000 con los límites de 3 sigma.
Aunque la Cp se relaciona con el esparcimiento (la dispersión) del

resultado del proceso relativo a su tolerancia, no observa la forma en que el
promedio del proceso se centra en su valor meta.
Medidas de tendencia central
El primer aspecto a investigar consiste en conocer la tendencia central

de los datos, es decir, identificar un valor en torno al cual los datos tienden a
aglomerarse o concentrarse. Esto permitirá saber si el proceso está centrado; es
decir, si la tendencia central de la variable de salida es igual o está muy próxima
a un valor nominal deseado. A continuación veremos tres medidas de la
tendencia central: la media, la mediana y la moda.
40
Media muestral
Supongamos que x1, x2, x3,…, xn son las observaciones numéricas de

una muestra; entonces, la medida más usual de su tendencia central es
proporcionada por la media (o promedio) muestral, que es igual a la media
aritmética de todos los datos:
𝑥1 + 𝑥2 + 𝑥3 … … 𝑥𝑛 ∑𝑛𝑖=1 𝑥𝑖. (24)

Ẍ= =
𝑛 𝑛
Fórmula 24: Media muestral
Es decir, la media muestral se obtiene sumando todos los datos y el resultado de
la suma se divide entre el número de datos (n).
Media poblacional o del proceso, µ
Si para calcular la media se utilizan todos los elementos de la población

(todos los posibles individuos, especificaciones, objetos o medidas de interés
sobre los que se hace un estudio), por ejemplo, el grosor de todos los discos
producidos en la última semana o mes, entonces el promedio calculado es la
media del proceso (o media poblacional) y se denota con la letra griega µ (mu).
Es importante destacar que la media del proceso µ es igual a cierto valor,

aunque no siempre se conoce; mientras que el valor de X se obtiene para cada
muestra y es diferente (variable) de una muestra a otra, ya que su valor depende
de las piezas que se seleccionan (X es una variable aleatoria). Por lo anterior, el
valor que se observa de la media muestral, X, por lo general es diferente a la
media del proceso, µ. Luego, es preciso tener cuidado con las afirmaciones
basadas en X sobre la media del proceso o población.
En general lo que se observa en los estadísticos muéstrales acerca del
comportamiento de los datos es válido para la muestra, y en la medida que esta
sea representativa y grande también tendrá cierto grado de aproximación para
todo el proceso, sin embargo, es necesario utilizar técnicas estadísticas para
evaluar lo que significan en todo el proceso.
41
Mediana o percentil
Otra medida de tendencia central de un conjunto de datos es la mediana

X, que es igual valor que divide a la mitad a los datos cuando son ordenados de
menos a mayor. Así para calcular la mediana cuando el número de datos es
impar, estos se ordenan de manera creciente y el que quede en medio de dicho
ordenamiento será la mediana. Pero si el dato de números es par, entonces la
mediana se calcula dividiendo entre dos la suma de los números que están en el
centro del ordenamiento.
Moda
Otra forma de medir la tendencia central de un conjunto de datos es
mediante la moda, que es igual al dato que se repite más veces. Si varios datos
tienen la frecuencia más grande, entonces cada una de ellos es una moda, y se
dice que el conjunto de datos es multimodal.
Las medidas de tendencia central son insuficientes como criterio de calidad. Por
qué los datos puedes tener una cierta variabilidad o dispersión.
Medidas de dispersión o variabilidad

Además de conocer la tendencia central de un conjunto de datos es
necesario que tan diferentes son entre sí, es decir, es preciso determinar su
variabilidad o dispersión.
Esto es un elemento vital en el estudio de capacidad de un proceso. En

seguida veremos cuatro formas de medir la variabilidad.
La desviación estándar muestral es la medida más usual de variabilidad

e indica que tan esparcidos están los datos con respecto a la media; se denota
con letras y se calcula mediante la siguiente expresión:
𝑺 (25)
(𝑿𝟏 − 𝑿̅ )𝟐 + (𝑿𝟐 − 𝑿
̅ )𝟐 + ⋯ + (𝑿𝑵 − 𝑿
̅ )𝟐
=√
𝒏−𝟏
Fórmula 25: Desviación estándar muestral
Donde x1, x2, x3,…, xn son las observaciones numéricas de la muestra,
n su tamaño y “x” es la media muestral. Como se puede apreciar, S mide la
distancia que en “promedio” hay entre los datos y la media, por ello, entre más
42
grande sea el valor de S habrá mayor variabilidad en los datos. La desviación

estándar es expresada en las mismas unidades de medición (gramos, milímetros,
etc.) que los datos. Además, S no muestra la magnitud de los datos, solo refleja
lo retirado que están los datos de la media y al igual que esta, es afectada por
datos atípicos.
Desviación estándar poblacional o del proceso, σ
Si para calcular la desviación estándar se emplean todos los elementos

de la producción o proceso, entonces se obtiene la desviación estándar
poblacional y se denota con la letra griega sigma (σ). Como se comentó antes,
es posible considerar a la población como las mediciones de toda la producción
de las últimas semanas, o si las mediciones se toman por muestras, entonces una
buena idea es obtener los parámetros poblacionales (µ y σ) con todas las
mediciones realizadas en las últimas semanas, siempre y cuando estas no sean
pocas, de 120 a 150 mediciones en adelante es una buena cantidad.
Por otra parte, el cuadrado de la desviación estándar,S 2 , conocido como

varianza muestral, es muy importante para propósitos de inferencia estadística.
Y en forma equivalente σ2 , es la varianza (o varianza) poblacional.
El coeficiente de variación, CV, es una medida de variación que es

relativa a la magnitud de los datos, ya que es igual a la magnitud relativa de la
desviación estándar en comparación con la media de los datos, es decir:
𝑆 (26)
𝐶𝑉 = (100)
𝑋̅
Fórmula 26: Coeficiente de variación
El coeficiente de Variación es útil para comparar la variación de dos o
más variables que están medidas en diferentes escalas o unidades de medición
(por ejemplo, metro frente a centímetro o metro frente a kilogramos.
2.2.2 Productividad
La productividad está relacionada con la mejora continua, se determina a través
de la relación entre la producción obtenida por un sistema productivo y los recursos
utilizados. También puede ser definida como la relación entre los resultados y el tiempo
utilizado para obtenerlos, cuanto menor sea el tiempo que lleve obtener el resultado
deseado, el sistema es más productivo. En realidad la productividad se define como el
43
indicador de eficiencia que relaciona la cantidad de producto utilizado con la cantidad

de producción obtenida.
En la productividad también intervienen diversos factores que influyen

directamente los cuales son: Calidad, mano de obra, materia prima, maquinaria,
capacidad técnica, entre otras.
Heizar y Render (2014) mencionan:
La productividad es la relación que existe entre las salidas (bienes y

servicios) y una o más entradas (recursos como mano de obra y capital). El
trabajo del administrador de operaciones es mejorar (perfeccionar) la razón
entre las salidas y las entradas. Para mejorar la productividad significa mejorar
la eficiencia.
Esta mejora puede lograrse de dos formas: mediante una reducción en

la entrada mientras la salida permanece constante, o bien con un incremento en
la salida mientras la entrada permanece constante. Ambas formas representan
una mejora en la productividad. En el sentido económico, las entradas son mano
de obra, capital y administración integrados en un sistema de producción.
Kanawaty (2012), mencionan:

La productividad es la relación entre producción e insumo. Esta
definición se aplica a una empresa, un sector de actividad económica o toda la
economía. El término productividad puede utilizarse para valorar o medir el
grado en que puede extraerse cierto producto de un insumo dado. Aunque esto
parece bastante sencillo cuando el producto y el insumo son tangibles y
pueden medirse fácilmente, la productividad resulta más difícil de calcular
cuando se introducen bienes intangibles.”
El objetivo más importante de la productividad, es medir los beneficios

obtenidos por alguna determinada producción, es conocer si la empresa ha
ganado más de lo que se ha invertido en producir determinado producto, es saber
el grado de beneficios obtenidos y compararlos con producciones anteriores, y
esto mediante la relación de lo que se ha obtenido por la producción sobre lo
que se ha invertido por ella.
44
García (2011) menciona:
Nos dice que tenemos mencionado la necesidad de “aumenta los índices

de productividad”. Ahora veamos cómo se logra. Si partimos de que los índices
de productividad se pueden determinar a través de la relación producto –
insumo, teóricamente existen tres formas de incrementarlo:
 Aumentar el producto y mantener el mismo insumo
 Reducir el insumo y mantener el mismo producto
 Aumentar el producto y reducir el insumo simultánea y
proporcionalmente.
Medición de la productividad
García (2011) sustenta:
La medición de la productividad puede ser bastante directa. Tal es el

caso si la productividad puede medirse en horas-trabajo por tonelada de algún
tipo específico de acero. Aunque las horas –trabajo representan una medida
común de insumo, pueden usarse otras medidas como el capital (dinero
invertido), los materiales (toneladas de hierro) o la energía (kilowatts de
electricidad).
𝑈𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑑𝑎𝑠 (27)
𝑃𝑟𝑜𝑑𝑢𝑐𝑡𝑖𝑣𝑖𝑑𝑎𝑑 =
𝐼𝑛𝑠𝑢𝑚𝑜 𝑒𝑚𝑝𝑙𝑒𝑎𝑑𝑜
Fórmula 27: Productividad
𝐸𝑓𝑖𝑐𝑎𝑐𝑖𝑎 𝑉𝑎𝑙𝑜𝑟 → 𝐶𝑙𝑖𝑒𝑛𝑡𝑒 (28)
𝑃𝑟𝑜𝑑𝑢𝑐𝑡𝑖𝑣𝑖𝑑𝑎𝑑 = =
𝐸𝑓𝑖𝑐𝑖𝑒𝑛𝑐𝑖𝑎 𝐶𝑜𝑠𝑡𝑜 → 𝑃𝑟𝑜𝑑𝑢𝑐𝑡𝑜𝑟
Fórmula 28: Productividad método 02
¿Por qué es importante el incremento de la productividad?

Es importante incrementar la productividad porque esta provoca una
“reacción en cadena” en el interior de la empresa, fenómeno que se traduce en
una mejor calidad de los productos, menores precios, estabilidad del empleo,
permanencia de la empresa, mayores beneficios y mayor bienestar colectivo, tal
como se muestra en la figura 6.
45
Figura 6: Reacción en cadena de una mayor productividad.

Disminuyen costos porque hay menos reproceso,
Se incrementa la Mejora la
menos equivocaciones, menos devoluciones y menos
productividad Calidad
retrasos, se utiliza mejor el tiempo y los materiales
Se conquista el mercado
con la mejora de la calidad y Se permanece Hay más y más
un buen precio incrementa en el negocio trabajo
la productividad
Se generan  Sueldos y salarios para

Se distribuyen los empleados.
utilidades
 Ganancias para los
propietarios.
Nota: Estudio del trabajo, Ingeniería de métodos y medición del trabajo

Garcia (2011)
Chase, Jacobs y Aquilano (2009), sustenta:
La productividad es una medida que suele emplearse para conocer qué

tan bien están utilizando sus recursos (o factores de producción) un país, una
industria o una unidad de negocios. Dado que la administración de operaciones
y suministro se concentra en hacer el mejor uso posible de los recursos que están
a disposición de una empresa, resulta fundamental medir la productividad para
conocer el desempeño de las operaciones. En esta sección se definen varias
medidas de la productividad. A lo largo del libro, se definirán muchas otras
medidas del desempeño relacionadas con el material. En este sentido amplio, la
productividad se define como:
𝑆𝑎𝑙𝑖𝑑𝑎𝑠 (29)
𝑃𝑟𝑜𝑑𝑢𝑐𝑡𝑖𝑣𝑖𝑑𝑎𝑑 =
𝐸𝑛𝑡𝑟𝑎𝑑𝑎𝑠
Fórmula 29: Productividad método 03
2.2.2.1 Eficacia
García (2011) menciona:

El termino eficacia se refiere en el grado de que el producto o servicio
satisface las necesidades del cliente, La eficacia implica la obtención de los
resultados deseados y puede ser un reflejo de cantidades, calidad percibida o
ambos. La eficacia es hacer lo correcto.
𝑃𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 𝑟𝑒𝑎𝑙 (30)

% 𝑑𝑒 𝑒𝑓𝑖𝑐𝑎𝑐𝑖𝑎 = ( ) 𝑥100
𝑃𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑎𝑑𝑎
Fórmula 30: Eficacia
46
Producción
Según Vignatti (2007)
La producción es un proceso por medio del cual se crean los bienes y

servicios económicos. Es la actividad principal de cualquier sistema económico
que está organizado para producir, distribuir y consumir los bienes y servicios
necesarios para la satisfacción de las necesidades humanas
La producción se realiza por la actividad humana de trabajo y con la

ayuda de determinados instrumentos que tienen una mayor o menor perfección
desde el punto de vista técnico.
También la producción puede ser denominada como un proceso por

medio del cual se crean los bienes y servicios económicos. Es la actividad
principal de cualquier sistema económico que está organizado para la
satisfacción de las necesidades humanas con toma de decisiones referente a las
operaciones que se deben realizar en la empresa para satisfacer algunas
necesidades.
La producción es una actividad realizada bajo el control y la

responsabilidad de una unidad institucional que utiliza mano de obra, capital y
bienes y servicios, para producir otros bienes y servicios. La producción no
abarca los procesos puramente naturales que tienen lugar sin la intervención o
la dirección humana.
Según Sánchez (2011):
La producción, no sólo alcanza a la producción, sino también a la

transformación y comercialización de alimentos y otros productos agrarios
alcanzar una agricultura situada entre la agricultura convencional y la ecológica,
que asegure una producción agraria sostenible, dando preferencia a métodos y
técnicas más respetuosos con el entorno, minimizando la utilización de
productos químicos que generen efectos secundarios sobre el medio ambiente y
la salud humana.
Horngren (2008) menciona:
Proceso de producción Todo proceso de producción es un sistema de acciones

dinámicamente interrelacionadas orientado a la transformación de ciertos
47
elementos “entrados”, denominados factores, en ciertos elementos “salidos”,

denominados productos, con el objetivo primario de incrementar su valor,
concepto éste referido a la “capacidad para satisfacer necesidades.
2.2.2.2 Eficiencia
García (2011), menciono: “La eficiencia se logra cuando se obtiene un resultado

deseado con el mínimo de insumos; es decir, se genera cantidad y calidad y se
incrementa la productividad. La eficiencia es hacer las cosas correctamente con el
mínimo de recursos”.
𝐶𝑎𝑝𝑎𝑐𝑖𝑑𝑎𝑑 𝑢𝑠𝑎𝑑𝑎 (31)

% 𝑑𝑒 𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑐𝑖𝑎 = ( ) 𝑥100
𝐶𝑎𝑝𝑎𝑐𝑖𝑑𝑎𝑑 𝑑𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑙𝑒
Fórmula 31: Eficiencia
Desiree (2012), menciona:
Consiste en utilizar los recursos adecuadamente, lo que implica que

sepamos de antemano cuáles son nuestros costos, con el fin de no derrochar,
pero tampoco ahorrarlos si son necesarios. Recordemos que los recursos no son
sólo materiales, sino que también pueden ser intelectuales, es decir, “humanos”.
Elegir un staff adecuado, capacitado, o personas que agreguen valor a lo que
hacemos, es una forma de ayudar a nuestro negocio a que se acerque lo más
posible a los parámetros más deseables.
Tiempos muertos
García (2011) “Las causas de los tiempos muertos, tanto en horas – hombre y
horas – máquina. Son las siguientes: Falta de material, falta de personal, falta
de energía, manufactura, mantenimiento, producción, calidad, falta de tarjetas,
falta de información, etc.”
Desperdicio
Según García (2011)
Los productores tradicionales tienen metas limitadas por ejemplo,
aceptan la producción de algunas partes defectuosas y mantienen
inventarios. Los productores esbeltos ponen su mirada en la perfección:
ninguna parte defectuosa, cero inventarios, sólo actividades que agregan
valor, y ningún desperdicio. Cualquier actividad que no agrega valor a
48
los ojos del cliente, es un desperdicio. El cliente define el valor del

producto. Si el cliente no quiere pagar por él, es un desperdicio. Taiichi
Ohno, destacado por su trabajo en el Sistema de producción Toyota,
identificó siete categorías de desperdicio. Estas categorías se vuelven
populares en las organizaciones esbeltas y abarcan muchas de las formas
en que las organizaciones desperdician o pierden su dinero.
Recursos
Se denomina recursos a aquellos elementos que aportan algún tipo de
benéfico a la sociedad, también son los materiales, insumos, mano de
obra, etc., que se necesitan para poder realizar un producto dentro de un
proceso en un tiempo determinado, también podemos decir que es todo
lo necesario que se pueda medir para poder producir un bien
2.3 Definiciones conceptuales

Control estadístico de Proceso
Según Escalante (2011):
Es una técnica que se emplea para asegurar que los procesos cumplan con los
estándares, también es considerada como una herramienta de administración en
donde importantes características de un producto se observan, evalúan y
comparan con algún tipo de estándar, es un método efectivo para monitorizar
un proceso a través del uso de graficas de control. Donde los gráficos de control,
basándose en técnicas estadísticas permiten usar criterios objetivos para
distinguir variaciones.
El recopilar datos mediciones en diferentes sitios en el proceso, se pueden
detectar y corregir variaciones en el proceso que puedan afectar a la calidad del
producto o servicio final, reduciendo desechos y evitando que los problemas
lleguen al cliente.
 Gráfica de control
Los gráficos de control ayudan en la detección de modelos no naturales de
variación en los datos que resultan de procesos repetitivos y dan criterios para
detectar una falta de control estadístico. Un proceso se encuentra bajo control
estadístico cuando la variabilidad se debe sólo a "causas comunes".
49
 Grafica x
Gráfica de control de calidad para medir variables que indica cuándo ocurren
cambios en la tendencia central de un proceso de producción.
 Gráfica R
Gráfica de control que rastrea el “rango” dentro de una muestra;
indica cuándo ocurre ganancia o pérdida de uniformidad en la dispersión de
un proceso de producción.
 Gráfica p
Gráfica de control de calidad usada para controlar atributos.
 Gráfica c
Gráfica de control de la calidad usada para controlar el número de defectos
por unidad de producción.
 Teorema del límite central

Fundamento teórico de las gráficas, el cual establece que,
independientemente de la distribución de la población de todas las partes o
servicios, la distribución de las tiende a seguir una curva normal cuando
aumenta el número de muestras
 Capacidad de proceso
El índice de capacidad potencial es una comparación entre los
límites de especificaciones (tolerancia) y los límites del proceso sin tomar
en cuenta la ubicación del mismo. El índice de capacidad real si toma en
cuenta la localización del centro del proceso en comparación con los límites
de especificaciones. Si un proceso no es potencialmente capaz,
definitivamente tampoco tiene la capacidad real.
Una manera de evaluar la capacidad del proceso para producir dentro

de las especificaciones, es comparar el ancho de la especificación con el
ancho del proceso.
 Índice de capacidad real (Cp)

Razón para determinar si un proceso cumple con las especificaciones
de diseño; cociente de la especificación sobre la variación del proceso.
 Índice de capacidad de procesos (Cpk)

50
Proporción de la variación natural (3σ) que hay entre el centro del

proceso y el límite de especificación más cercano.
 Tendencia central
Valor en torno al cual los datos o mediciones de una variable tienden
a aglomerarse o concentrarse.
 Media
Medida de tendencia central que es igual al promedio aritmético de
un conjunto de datos, que se obtiene al sumarlos y el resultado se divide
entre el número de datos.
 Mediana
Medida de tendencia central que es igual al valor que divide a la
mitad a los datos cuando son ordenados de menor a mayor.
 Moda
Medida de tendencia central de un conjunto de datos que es igual al
dato que se repite más veces.
 Desviación estándar muestral

Medida de la variabilidad que indica qué tan esparcidos están los
datos con respecto a la media.
 Desviación estándar del proceso

Refleja la variabilidad de un proceso. Para su cálculo se debe utilizar
un número grande de datos que hayan sido obtenidos en el transcurso de un
lapso de tiempo amplio. Se denota con la letra griega sigma 𝜎.
 Rango
Medición de la variabilidad de un conjunto de datos que es resultado
de la diferencia entre el dato mayor y el dato menor de la muestra.
 Coeficiente de variación
Medida de variabilidad que indica la magnitud relativa de la
desviación estándar en comparación con la media. Es útil para contrastar la
variación de dos o más variables que están medidas en diversas escalas.
51
 Histograma
Representación gráfica de la distribución de un conjunto de datos o
de una variable, donde los datos se clasifican por su magnitud en cierto
número de clases. Permite visualizar la tendencia central, la dispersión y la
forma de la distribución.
 Tabla de frecuencias
Representación en forma de tabla de la distribución de unos datos, a
los que se clasifica por su magnitud en cierto número de clases.
 Productividad
Chase, Jacobs y Aquilano (2009)
La productividad es una medida que suele emplearse para conocer qué
tan bien están utilizando sus recursos (o factores de producción) un país, una
industria o una unidad de negocios. Dado que la administración de operaciones
y suministro se concentra en hacer el mejor uso posible de los recursos que están
a disposición de una empresa, resulta fundamental medir la productividad para
conocer el desempeño de las operaciones.
 Producción
“Se define a la producción como la cantidad de productos terminados
realizados por un proceso de transformación, en un tiempo determinado”.
 Eficiencia
Se define como la capacidad de disponer de alguien o de algo para conseguir
un objetivo en especial con lo mínimo de recursos posibles viables.
Garcia (2011) “Refiere que es la forma en que se usan los recursos de la

empresa: humanos, materia prima, tecnológicos, etc”.
 Recursos
“Son los materiales, insumos, mano de obra, etc., que se necesitan para
poder realizar un producto dentro de un proceso en un tiempo determinado,
también podemos decir que es todo lo necesario que se pueda medir para
poder producir un bien”.
52
 Eficacia
La eficacia es la capacidad de alcanzar el efecto, resultados que se espera o
se desea tras la realización de una acción
García (2011) Refiere:

Es el grado de cumplimiento de los objetivos, metas o estándares, etc.
Por ello la eficacia está relacionada con el logro de los
objetivos/resultados propuestos, es decir con la realización de
actividades que permitan alcanzar las metas establecidas. La eficacia es
la medida en que alcanzamos el objetivo o resultado.
2.4 Los dueños del problema

Para la investigación, los autores han determinado identificar a “los dueños del
problema” a las personas o grupo de personas que se ven afectados directamente por
los efectos de no desarrollar un Control Estadístico de proceso, para controlar las
pérdidas de sacarosa que afectan en el rendimiento de la producción. Estos entes
considerados dueños del problema son todos los colaboradores del área de trapiche de
la empresa Agraria Azucarera Andahuasi S.A.A., y los colaboradores del área de
laboratorio con un total 35 colaboradores, divido en, el jefe del área, el asistente del
área, 4 supervisores, 24 colaboradores de molienda, 2 mecánicos, 3 colaboradores del
área de laboratorio.
Tabla 1: Los dueños del problema.

Colaboradores
Cantidad
del Área (Trapiche)
Jefe del Departamento 1
Asistente 1
Supervisor de área 1
Supervisor por turno 3
Mecánicos 2
Trabajadores 24
Área de laboratorio 3
Total 35
2.5 Formulación de hipótesis
2.5.1 Hipótesis general
Para plantear la hipótesis, nos fijamos en el objetivo general, para poder de ahí
realizar una proposición que va a anticipar una posible solución al problema que se está
53
tomando para realizar esta investigación, la cual será contrastada mediante la

terminación de esta, tal hipótesis es:
 El control estadístico de proceso para pérdidas de sacarosa en el bagazo,

se relaciona significativamente con la productividad en el área trapiche
de la empresa Agraria Azucarera Andahuasi S.A.A. - Sayán 2016.
2.5.2 Hipótesis específicas
Se plantearon las siguientes hipótesis específicas, fijándonos en los objetivos,
para poder de ahí realizar una proposición que va a anticipar las posibles soluciones al
problema que se está tomando como objeto de la investigación, la cual será contrastada
mediante la terminación de esta, tal hipótesis es:
 La gráfica de control del porcentaje de sacarosa en el bagazo, se relaciona con

la productividad en el área de trapiche de la empresa Agraria Azucarera
Andahuasi S.A.A. - Sayán 2016.
 La estabilidad del proceso de obtención de sacarosa en el jugo, se relaciona
con la productividad en el área de trapiche de la empresa Agraria Azucarera
 La capacidad de proceso de obtención de sacarosa en el jugo, se relaciona con
la productividad en el área de trapiche de la empresa Agraria Azucarera
54
CAPTÍULO III: METODOLOGÍA

3.1 Diseño metodológico
3.1.1 Diseño
El trabajo de investigación tiene un diseño no experimental en su variante
descriptivo correlacional, por demostrar el grado de relación que existe en las variables:
Control estadístico de procesos y Productividad.
Figura 7: Diseño descriptivo correlacional.
Nota: El Proyecto de Investigación Cuantitativa Cordova (2012)
3.1.2 Tipo
El tipo de investigación es:
 Según su finalidad, es una investigación aplicada
 Según su alcance temporal, es transversal puesto a que se desarrolla durante
periodo de tiempo, se recolectan datos en un solo momento.
 Según su nivel o profundidad, es investigación explicativa.
 Según su carácter de medida es investigación cuantitativa.
3.1.3 Enfoque
El siguiente estudio ha desarrollado una investigación cuantitativa y con el
paradigma deductivo, puesto que se ha utilizado los datos que se obtuvieron del trabajo
de campo. Debido a que se analizan las relaciones entre la variable Control Estadístico
de proceso y la variable Productividad.
3.2 Población y Muestra
3.2.1 Población
La población está comprendida por los 35 colaboradores del área de trapiche y

el área de laboratorio de la empresa Agraria Azucarera Andahuasi S.A.A., definida en
la sección de dueños del problema. (N=35)
55
3.2.2 Muestra
Para la investigación se decidió tomar toda la población debido a que la
población es pequeña, se realizara una muestra censal para obtener información
confiable y exacta que contribuya con la investigación (n=35).
56
3.3 Operacionalización de variables e indicadores

Tabla 2: Matriz de operacionalización.
Definición Técnicas e
Variables Definición conceptual Dimensiones Indicadores Fórmulas
operacional instrumentos
Control estadístico de procesos (LCS)= X ̅ + T: Análisis
es una metodología para el D1: Gráfica de D1.1: Porcentaje z σx documental
seguimiento de un proceso para control de sacarosa (LCI)= X ̅ - z I: Análisis de
Es una técnica
identificar las causas de la σx contenido
estadística que hace
variación y señalas la necesidad T: Análisis
uso de la gráfica de D2.1: Índice de
de emprender una acción D2: estabilidad de documental
control, capacidad de estabilidad del δt=St/Sp
Variable 01
correctiva en el momento proceso I: Análisis de

Control procesos y estabilidad proceso
apropiado. contenido
estadístico de de procesos, para
Es una técnica probada para
procesos: asegurar que los
mejorar la calidad y
procesos cumplan los
productividad. T: Análisis
estándares requeridos. D3.1: Índice de
Libro: Administración y D3: Capacidad de cp = W/VN = documental
Espinoza y Flores capacidad del
control de la calidad. procesos (T2-T1)/(6.σ) I: Análisis de
(2016) proceso
Autor: Evans y Lindsay (2015) contenido
ISBN: 978-607-481-366-1
Es el ratio que mide el d1.1: Resultado Resultados T: Análisis

Productividad es la relación que
beneficio obtenido de alcanzado alcanzados / documental
existe entre las salidas (bienes y d1: Eficacia
cierto producto d1.2: Resultado Resultados I: Análisis de
servicios) y una o más entradas
Variable 02
realizado en relación esperado esperados contenido

(recursos como mano de obra y
a los recursos d2.1: Recursos Recursos T: Análisis
Productividad capital).
gastados por la utilizados planificados / documental
Libro: Principios de d2: Eficiencia
empresa para d2.2: Recursos Recursos I: Análisis de
administración de operaciones.
producto. planificados utilizados contenido
Autor: Heizer y Render (2014)
Espinoza y Flores
ISBN: 978-607-32-2336-2.
(2016)
Nota: Elaboración propia.

57
3.4 Técnicas e Instrumentos de recolección de datos

3.4.1 Técnica a emplear
Para analizar la información se utilizó las siguientes técnicas:
 Análisis documental: Se recolectó información de producción, de los

documentos del superintendente de planta, con ello se obtuvo toda la
información respecto a la producción desde el año 2015 al 2016; que elabora la
empresa Agraria Azucarera Andahuasi S.A.A. para poder recoger las
características y contenidos de los mismos.
 Entrevistas: Se entrevistó al jefe del área de trapiche, al gerente de operaciones,
al superintendente de planta, jefes de línea, técnicos de calidad y al personal en
general, todas las interrogantes que esta investigación nos originó, los cuales
podían ser levantados por estos actores.
 Encuestas: Se aplicó con el objetivo de obtener información sobre el control
estadístico del proceso y productividad, que existen en la producción de azúcar
en la empresa Agraria Azucarera Andahuasi S.A.A., siendo éstas dirigidas a los
colaboradores.
3.4.2 Descripción del Instrumentos

La información necesaria para llevar a cabo este trabajo de investigación, se
obtuvo de los siguientes instrumentos de recolección:
 Análisis de contenido: Trata en saber que se va a registrar, y saber que

considerar como dato, puesto que toda investigación de carácter emperico
abarca una multitud de unidades portadoras de información.
 Guía de entrevista: Es aquí donde plasmamos lo que se necesita saber con
respecto a la investigación, de tal manera que va a contener puntos específicos
que nos conlleven a cuantificar datos. Se les realizara a todos los colaboradores
involucrados con el proceso.
 Cuestionario: El diseño consta de dos partes, la primera concerniente al control
estadístico del proceso (variable X) y la segunda correspondiente a la
productividad (variable Y); la evaluación se realizará en base a la escala
valorativa de Likert.
58
3.5 Técnicas para el procesamiento de la Información

Para el procesamiento de la información se utilizó las siguientes técnicas:
 Ordenamiento y clasificación.
 Registro y procesamiento computarizado con Excel.
 Procesamiento computarizado con Minitab 18.
 Procesamiento computarizado con SPSS 21.0.
 Procesamiento computarizado en XLStat.
59
CAPÍTULO IV: RESULTADOS

En el presente capitulo se describe los pasos del desarrollo del control
estadístico de procesos que es abordada en esta investigación, así como las tablas,
graficas e interpretaciones que conlleve tal como se muestra en la siguiente tabla.
Tabla 3: Pasos para el desarrollo de la investigación.

PASO DESCRIPCIÓN DE LAS ACTIVIDADES
1° Análisis preliminar
2° Determinar de la muestra para los meses de setiembre, octubre, noviembre y
diciembre.
3° Realizar las gráficas de control para variables (𝑋̅ 𝑅) por cada mes.
4° .Determinar la estabilidad del proceso por cada mes
5° los años, y meses
Determinar de la capacidad del proceso por cada mes
6° Análisis del rendimiento de los molinos.
7° Identificar el factor que influyen en la pérdida de sacarosa en el bagazo
8° Proponer mejoras respecto al factor más influyente para controlar el
proceso
9° Calcular la productividad
10° Realizar el estudio económico de los meses (setiembre- diciembre del año
2016) y la propuesta planteada.
11° Resultados metodológicos de la investigación
4.1 Analisis preliminar.

Para el registro de la información, se obtuvo los datos de los análisis de sacarosa en
bagazo de los meses de setiembre, octubre, noviembre y diciembre del año 2016, para
determinar el estado del proceso a través de las gráficas de control.
4.2 Determinar las muestras de los meses de (Setiembre- Diciembre)

La muestra fue realizada para los meses de (setiembre a diciembre) del 2016,
de los cuales se tomaron 25 muestras de un tamaño de 5 obteniendo al final 125 datos,
los cuales serán usados para la investigación.
Se construirá la gráfica de control por variables para los meses de setiembre a

diciembre, por separado para ver la variabilidad de los datos y determinar si el proceso
está bajo control.
60
Tabla 4: Muestras de sacarosa en el bagazo mes - setiembre año 2016.

Muestras de sacarosa en el bagazo (%)
Numero de
Fecha Porcentaje de pol de bagazo
muestras
1 05-sep-16 2,31 2,21 2,41 2,21 2,14
2 06-sep-16 2,91 2,86 2,96 2,96 2,85
3 07-sep-16 2,50 2,70 2,80 2,73 2,65
4 08-sep-16 2,14 2,21 2,41 2,59 2,14
5 09-sep-16 2,41 2,69 3,10 2,41 2,21
6 10-sep-16 2,31 2,69 2,75 2,21 2,21
7 11-sep-16 2,20 2,04 2,31 2,31 2,21
8 12-sep-16 2,21 2,41 1,86 2,14 2,14
9 13-sep-16 2,41 2,37 1,86 2,21 2,21
10 14-sep-16 2,14 2,21 2,21 2,59 2,21
11 15-sep-16 2,21 2,21 2,41 2,21 2,69
12 16-sep-16 2,65 2,81 2,96 2,76 2,96
13 17-sep-16 2,14 2,96 2,14 2,21 2,69
14 18-sep-16 2,41 2,69 2,14 2,21 2,96
15 19-sep-16 2,21 2,41 2,14 2,14 2,14
16 20-sep-16 2,31 2,14 2,21 2,14 2,21
17 21-sep-16 1,77 2,00 2,10 1,90 1,96
18 22-sep-16 2,14 2,96 1,86 2,14 1,86
19 23-sep-16 1,86 1,86 2,96 2,14 2,14
20 24-sep-16 2,21 2,14 2,69 2,69 2,41
21 25-sep-16 2,41 2,14 3,23 2,21 2,69
22 26-sep-16 2,69 1,86 2,14 2,14 1,86
23 27-sep-16 2,96 2,69 2,69 2,14 1,86
24 28-sep-16 2,14 2,41 2,41 2,21 2,14
25 29-sep-16 2,96 2,21 2,41 1,86 2,41
61
Tabla 5: Muestras de sacarosa en el bagazo del mes-octubre año 2016.

Numero de
muestras
1 03-oct-16 3,01 3,04 2,90 3,00 2,89
2 04-oct-16 2,77 2,49 3,04 3,04 2,77
3 05-oct-16 3,04 2,22 2,77 2,77 2,49
4 06-oct-16 3,04 3,04 2,77 2,49 2,77
5 07-oct-16 2,77 2,49 3,04 2,77 2,77
6 08-oct-16 3,32 2,22 1,94 2,77 3,04
7 09-oct-16 2,49 3,04 2,49 2,49 3,32
8 10-oct-16 2,49 2,49 2,77 2,77 3,04
9 11-oct-16 2,22 2,22 2,77 2,49 2,77
10 12-oct-16 1,94 2,12 2,04 2,22 2,06
11 13-oct-16 2,77 2,77 1,94 2,22 2,66
12 14-oct-16 3,04 2,22 2,55 2,49 2,49
13 15-oct-16 2,77 2,54 2,49 2,85 2,55
14 16-oct-16 2,68 2,77 2,52 2,49 2,65
15 17-oct-16 2,77 2,22 3,04 2,49 2,49
16 18-oct-16 2,77 2,49 2,55 2,22 2,65
17 19-oct-16 2,49 2,97 2,24 2,49 1,87
18 20-oct-16 2,22 2,49 2,22 2,49 2,49
19 21-oct-16 1,94 1,87 2,04 1,75 2,06
20 22-oct-16 2,32 2,32 2,49 2,25 2,49
21 23-oct-16 2,49 2,22 1,94 2,22 2,22
22 24-oct-16 2,66 2,77 2,85 2,77 3,07
23 25-oct-16 2,49 2,22 2,77 2,49 2,22
24 26-oct-16 2,22 2,49 2,77 2,77 2,22
25 27-oct-16 2,88 2,28 2,91 2,77 2,68
62
Tabla 6: Muestras de sacarosa en el bagazo del mes- noviembre año 2016.

Numero de
muestras
1 03-nov-16 2,32 2,04 2,59 1,77 1,77
2 04-nov-16 2,32 2,04 2,59 2,32 2,36
3 05-nov-16 2,04 2,59 1,77 2,87 2,04
4 06-nov-16 2,87 2,17 2,32 2,66 2,32
5 07-nov-16 2,59 2,59 1,77 2,32 2,32
6 08-nov-16 2,59 2.57 2,32 1,76 2,04
7 09-nov-16 2,59 2,23 2,32 2,59 2,32
8 10-nov-16 2,32 1,77 1,77 1,77 2,04
9 11-nov-16 2,32 1,77 2,04 2,32 2,59
10 12-nov-16 2,87 1,77 2,19 2,87 2,59
11 13-nov-16 2,04 2,04 2,59 2,89 2,59
12 14-nov-16 2,87 1,96 2,32 3,69 4,51
13 15-nov-16 2,55 2,99 2,77 2,59 2,87
14 16-nov-16 2,04 2,32 1,95 2,59 3,14
15 17-nov-16 2,85 2,32 2,87 2,32 2,32
16 18-nov-16 1,77 2,04 2,32 2,59 1,77
17 19-nov-16 2,04 2,32 1,95 2,34 2,45
18 20-nov-16 2,04 2,32 1,77 2,59 2,87
19 21-nov-16 2,32 3,14 2,59 2,04 2,32
20 22-nov-16 2,41 2,93 2,46 2,24 2,41
21 23-nov-16 2,19 2,45 2,44 2,04 2,32
22 24-nov-16 2,59 2,54 2,32 2,32 2,59
23 25-nov-16 2,04 2,59 3,42 2,32 2,32
24 26-nov-16 3,42 2,04 2,59 2,32 2,42
25 27-nov-16 3,14 2,95 2,86 2,59 2,87
63
Tabla 7: Muestras de sacarosa en el bagazo del mes- diciembre año 2016.

Numero de
muestras
1 01-dic-16 2,62 3,02 2,34 2,07 2,34
2 02-dic-16 1,79 2,34 1,79 1,79 2,62
3 03-dic-16 1,79 1,79 2,07 2,07 2,34
4 04-dic-16 2,82 2,12 2,07 1,79 2,07
5 05-dic-16 2,14 2,07 3,22 2,02 2,78
6 06-dic-16 2,95 2,85 2,75 2,52 2,84
7 07-dic-16 2,34 2,12 2,64 2,25 2,01
8 08-dic-16 2,07 2,86 1,79 2,34 2,34
9 09-dic-16 2,34 2,30 1,79 2,62 3,10
10 10-dic-16 2,07 2,15 1,96 2,05 1,90
11 11-dic-16 2,02 1,79 2,89 2,34 2,62
12 12-dic-16 2,07 2,66 2,57 2,38 2,27
13 13-dic-16 2,34 2,62 2,34 1,79 2,07
14 14-dic-16 2,47 2,75 1,95 1,79 2,34
15 15-dic-16 2,16 2,07 1,96 2,26 2,04
16 16-dic-16 2,62 1,79 2,07 2,07 1,79
17 17-dic-16 2,64 2,36 2,34 2,47 2,62
18 18-dic-16 2,07 2,34 2,34 2,34 2,07
19 19-dic-16 2,89 2,62 2,34 1,79 2,34
20 20-dic-16 2,62 1,79 1,79 1,79 2,62
21 21-dic-16 2,02 1,79 2,89 2,34 2,62
22 22-dic-16 1,79 2,07 2,07 2,32 1,79
23 23-dic-16 2,24 1,79 2,62 2,52 2,22
24 24-dic-16 2,62 2,74 1,79 3,32 2,79
25 26-dic-16 2,07 2,72 1,95 2,01 1,79
4.3 Realización de la gráfica de control para variables por cada mes

Mediante el programa Minitab 17, se realizó las gráficas de control para los
meses de setiembre, octubre, noviembre y diciembre, se determinó los límites de control
del proceso actual donde se observó el comportamiento de los datos del análisis de
sacarosa en el bagazo durante los 4 meses.
64
 Gráfico de control – setiembre del 2016:
Figura 8: Gráfica de control de sacarosa en el bagazo del área de trapiche.

Gráfica Xbarra-R de analisis de bagazo en el mes de setiembre.
1
1
2.8
Media de la muestra
LCS=2.701
2.6
__
2.4
X=2.361
2.2
2.0 LCI=2.022
1
1 3 5 7 9 11 13 15 17 19 21 23 25
Muestra
1.2 LCS=1.245
Rango de la muestra
0.9
_
0.6 R=0.589
0.3
0.0 LCI=0
1 3 5 7 9 11 13 15 17 19 21 23 25
Rango
𝑋̅ = 2,361
𝑅̅ = 0,589
 La gráfica nos muestra que los puntos 2,12 y 17 están fuera de los límites de control,
se encuentran datos alejados de la media de 2,361 que indica una variabilidad de los
datos del análisis de sacarosa en el bagazo, concluimos que el proceso está fuera de
control para el mes de setiembre del año 2016.
Figura 9: Comportamiento del porcentaje de sacarosa real vs el estándar.
Porcentaje de sacarosa real vs estándar del mes de setiembre
3.500 2.91 2.83
3.000 2.68 2.56 2.43 2.43 2.48 2.43 2.54 2.47
2.26 2.30 2.21 2.15 2.21 2.27 2.35 2.21 2.20 2.19 2.19 2.14 2.26 2.37
2.500 1.95
2.000
1.500
1.000
0.500
0.000
Media ESTANDAR
65
 Descripción de la figura 9: En el gráfico se observa que los datos que

corresponde al mes de setiembre tienen un comportamiento variable debido que
la mayoría de los datos no tienden acercarse al objetivo estándar que propone la
empresa azucarera Andahuasi.
 Gráfico de control – octubre del año 2016:
Figura 10: Gráfico de control de sacarosa en el bagazo del mes de octubre-2016.

Gráfica Xbarra-R de analisis de sacarosa en el bagazo del mes de octubre
3.00 1
LCS=2.895
Media de la muestra
2.75
__
X=2.561
2.50
2.25 LCI=2.226
1
1
2.00
1
1 3 5 7 9 11 13 15 17 19 21 23 25
Muestra
1.5 1
LCS=1.225
Rango de la muestra
1.0
_
R=0.580
0.5
0.0 LCI=0
1 3 5 7 9 11 13 15 17 19 21 23 25
Rango
𝑋̅ = 2,561
𝑅̅ = 0,580
 La grafica nos muestra la variabilidad de los datos, se observa que hay puntos
fuera de los límites de control y alejados de la media 2,561 generando una
pérdida para la empresa, por lo que puede señalarse que el proceso se encuentra
fuera del control en el mes de octubre.
66
Porcentaje de sacarosa real vs estándar

3.500
2.97 2.83 2.83 2.77 2.83
3.000 2.66 2.66 2.77 2.72 2.64 2.62 2.61 2.54 2.70
2.50 2.47 2.56 2.42 2.39 2.38 2.44 2.50
2.500 2.22
2.08
1.93
2.000
1.500
1.000
0.500
0.000
Media Estándar
 Descripción de la figura 11: En el gráfico se observa que los datos que

corresponde al mes de octubre tienen un comportamiento variable debido que
la mayoría de los datos están alejados del objetivo estándar que propone la
empresa azucarera Andahuasi.
 Gráfico de control – noviembre del año 2016:
Figura 12: Gráfico de control de sacarosa en el bagazo del mes noviembre-2016.
Gráfica Xbarra-R de analisis de sacarosa en el bagazo del mes de noviembre.
1
3.00
LCS=2.907
Media de la muestra
2.75
__
2.50
X=2.413
2.25
2.00
LCI=1.918
1 3 5 7 9 11 13 15 17 19 21 23 25
Muestra
2.4
Rango de la muestra
1.8 LCS=1.813
1.2
_
R=0.857
0.6
0.0 LCI=0
1 3 5 7 9 11 13 15 17 19 21 23 25
Rango
̅
X = 2,413
̅ = 0,857
R
67
 La gráfica nos muestra un comportamiento con variación, encontramos datos

que están alejados de la media en el punto 12, y cercanos a límite inferior cuyo
valor es 1,91, se concluye que en el mes de noviembre el proceso se encuentra
fuera de control.

3.500
3.07 2.88
2.75
3.000 2.472.542.56
2.332.26
2.47
2.322.262.41
2.462.43 2.412.54 2.32
2.482.49
2.29
2.500 2.10 2.21 2.102.22
1.94
2.000
1.500
1.000
0.500
0.000
Media Estándar
Descripción de la figura 13: En el gráfico se observa que los datos que corresponde al
mes de noviembre tienen un comportamiento variable debido que de los datos están
alejados del objetivo estándar que propone la empresa azucarera Andahuasi.
 Gráfico de control – diciembre del año 2016:
Figura 14: Gráfico de control de sacarosa en el bagazo del mes diciembre-2016.

Gráfica Xbarra-R de analisis de sacarosa en el bagazo del mes de diciembre.
1
2.8
LCS=2.745
Media de la muestra
2.4 __
X=2.278
2.0
LCI=1.810
1 3 5 7 9 11 13 15 17 19 21 23 25
Muestra
LCS=1.715
1.6
Rango de la muestra
1.2
_
0.8 R=0.811
0.4
0.0 LCI=0
1 3 5 7 9 11 13 15 17 19 21 23 25
Rango
68
𝑋̅ = 2,278
𝑅̅ = 0,811
 La gráfica nos muestra un comportamiento variable los datos que están alejados
de la media de 2,27, donde se observa en el punto (6) está fuera de control, se
concluye que en el mes de diciembre también el proceso se encuentra fuera de
control debido a la variabilidad que existe de los datos.

3.500
3.000 2.78
2.65
2.48 2.45 2.43 2.49 2.40
2.272.28 2.332.39 2.33 2.28
2.500 2.17 2.232.26 2.23
2.072.01 2.102.07 2.12 2.11
2.02 2.01
2.000
1.500
1.000
0.500
0.000
Media Estándar
 Descripción de la figura 15: En el gráfico se observa que los datos que corresponde
al mes de diciembre tienen un comportamiento variable debido que de los datos están
alejados del objetivo estándar que propone la empresa azucarera Andahuasi.
Se observa que los datos (2, 78, 2,49 y 2,65) son los que están alejados del objetivo
estándar que es llegar a obtener datos cercanos a 2 siendo lo óptimo.
4.3.1 Diagnóstico del comportamiento de los datos de los análisis de sacarosa en

el bagazo.
Se realizó los análisis de sacarosa en el bagazo de los meses de setiembre-
diciembre del año 2016, se determinó las pérdidas que tiene la empresa durante
esos 4 meses por no cumplir con el estándar de 2% de pérdidas de sacarosa en
el bagazo que es el ideal que debe perder la empresa para que no se vea afectado
en la obtención de sacos de azúcar.
69
Tabla 8: Pérdidas de % de sacarosa en el bagazo de (setiembre-diciembre) año

2016.
% pérdida por
Setiembre Octubre Noviembre Diciembre Media
Muestras encima del
2016 2016 2016 2016 total
estándar
1 -0,26 -0,97 -0,10 -0,48 -0,45 -22,5%
2 -0,91 -0,83 -0,33 -0,07 -0,53 -26,6%
3 -0,68 -0,66 -0,26 -0,01 -0,40 -20,2%
4 -0,30 -0,83 -0,47 -0,17 -0,44 -22,1%
5 -0,56 -0,77 -0,32 -0,45 -0,53 -26,3%
6 -0,43 -0,66 -0,26 -0,78 -0,53 -26,7%
7 -0,21 -0,77 -0,41 -0,27 -0,42 -20,8%
8 -0,15 -0,72 0,06 -0,28 -0,27 -13,5%
9 -0,21 -0,50 -0,21 -0,43 -0,34 -16,9%
10 -0,27 -0,08 -0,46 -0,02 -0,21 -10,4%
11 -0,35 -0,47 -0,43 -0,33 -0,40 -19,8%
12 -0,83 -0,56 -1,07 -0,39 -0,71 -35,7%
13 -0,43 -0,64 -0,75 -0,23 -0,51 -25,7%
14 -0,48 -0,62 -0,41 -0,26 -0,44 -22,2%
15 -0,21 -0,61 -0,54 -0,10 -0,36 -18,1%
16 -0,20 -0,54 -0,10 -0,07 -0,23 -11,4%
17 0,05 -0,42 -0,22 -0,49 -0,27 -13,4%
18 -0,19 -0,39 -0,32 -0,23 -0,28 -14,1%
19 -0,19 0,07 -0,48 -0,40 -0,25 -12,6%
20 -0,43 -0,38 -0,49 -0,12 -0,35 -17,7%
21 -0,54 -0,22 -0,29 -0,33 -0,34 -17,2%
22 -0,14 -0,83 -0,47 -0,01 -0,36 -18,1%
23 -0,47 -0,44 -0,54 -0,28 -0,43 -21,6%
24 -0,26 -0,50 -0,56 -0,65 -0,49 -24,7%
25 -0,37 -0,70 -0,88 -0,11 -0,52 -25,8%
Total de Pérdida de sacarosa -0,40 -20,16%
 Se determinó que la media total de pérdida de sacarosa en los meses de

(setiembre-diciembre) del año 2016, es de 0,40% de sacarosa.
Este total de pérdidas de sacarosa representa un 20,16% con respecto al estándar
del 2% que estipula la empresa.
Dónde:
−0,45
% de diferencia con respecto al estándar =( ) 𝑥100 = −22,5%
2
70
 Graficas: Líneas de tendencia - setiembre

Figura 16: Gráfico del comportamiento del análisis de sacarosa en el bagazo.
Pérdidas de sacarosa -setiembre 2016

0.20
0.00
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
-0.20
-0.40
-0.60
-0.80
-1.00
Setiembre
y = 2E-06x6 - 0,0001x5 + 0,0037x4 - 0,0528x3 + 0,3664x2 - 1,061x 2016
+ 0,3668
Polinómica (
R² = 0,3775 Setiembre
2016)
 La gráfica de tendencia que se ajusta a los datos de pérdida de sacarosa en el

mes de setiembre en el año 2016, es la de tendencia polinómica, por los
constantes cambios de dirección que tienen sus datos, por lo tanto se escogió
dicha tendencia a un grado 6, siendo este el máximo grado para tener una mayor
exactitud, además nos muestra que el comportamiento de los datos van a ser
variables, teniendo altos y bajos en el tiempo, también la línea de tendencia es
polinómica por lo que el R2 es el máximo comparado con las otras líneas de
tendencia, siendo exactamente una cantidad de 0,3775.
71
 Líneas de tendencia – octubre

Pérdidas de sacarosa -octubre 2016

0.20
0.00
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
-0.20
-0.40
-0.60
-0.80
-1.00
-1.20
y = 4E-07x6 - 3E-05x5 + 0,001x4 - 0,0146x3 + 0,0977x2 - 0,2211x -
0,7428
R² = 0,4557
Octubre Polinómica ( Octubre
2016 2016)
 La gráfica de tendencia que se ajusta a los datos de perdida de sacarosa en el

mes de octubre en el año 2016, es la de tendencia polinómica, por los constantes
cambios de dirección que tienen sus datos, Por lo tanto se escogió dicha
tendencia a un grado 6, siendo este el máximo grado para tener una mayor
variables, teniendo altos y bajos en el tiempo, la línea de tendencia es
72
 Líneas de tendencia – noviembre

Pérdidas de sacarosa -noviembre 2016

0.20
0.00
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
-0.20
-0.40
-0.60
-0.80
-1.00
-1.20
y = 1E-06x6 - 9E-05x5 + 0,0027x4 - 0,0391x3 + 0,2666x2 - 0,7944x +
0,4676
R² = 0,4298
Noviembre Polinómica ( Noviembre
2016 2016)

mes de noviembre en el año 2016, es la de tendencia polinómica, por los
constantes cambios de dirección que tienen sus datos, Por lo tanto se escogió
73
 Líneas de tendencia – diciembre

Pérdidas de sacarosa -diciembre 2016

0.00
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
-0.10
-0.20
-0.30
-0.40
-0.50
-0.60
-0.70
-0.80
-0.90
y = -7E-07x6 + 6E-05x5 - 0,0019x4 + 0,029x3 - 0,2094x2 + 0,6272x -
0.8076
R² = 0,1343
Diciembre Polinómica ( Diciembre
2016 2016)

mes de diciembre en el año 2016, es la de tendencia polinómica, por los
constantes cambios de dirección que tienen sus datos, Por lo tanto se escogió
74
 Gráfico del promedio de perdidas total de sacarosa

Figura 20: Gráfico del comportamiento de las pérdidas totales de sacarosa en
el bagazo.
Promedio total de pérdidas de sacarosa
0.00
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
-0.10
-0.20
-0.30
-0.40
-0.50
-0.60
-0.70
-0.80
y = 6E-07x6 - 5E-05x5 + 0,0014x4 - 0,0194x3 + 0,1303x2 - 0,3623x - 0,179
R² = 0,3864
Promedio Polinómica (Promedio
total total)
 Una vez vista las gráficas de línea de tendencia polinómica en los meses de
setiembre a diciembre, se realizó una gráfica de tendencia polinómica promedio,
el cual también se ajusta a los datos de pérdida de sacarosa en los 4 meses del
año 2016, por los constantes cambios de dirección que tienen sus datos, por lo
tanto se escogió dicha tendencia a un grado 6, siendo este el máximo grado para
tener una mayor exactitud, además nos muestra que el comportamiento de los
datos va a ser variables, teniendo altos y bajos en el tiempo, además el R2 es el
máximo comparado con las otras líneas de tendencia, siendo exactamente una
cantidad de 0,3864.
4.4 Determinar la estabilidad del proceso

 Cálculo de la estabilidad de proceso para el mes de setiembre:
Se determina la estabilidad de proceso para el mes de setiembre, para ello es necesario
de calcular el índice de estabilidad de proceso (𝛿𝑡), usando la siguiente relación:
𝑆𝑡
𝛿𝑡 =
𝑆𝑝
Dónde:
75
 La desviación estándar del total de muestra se obtuvo de los datos de muestra

tomada para el mes de setiembre, obteniendo como resultado 𝑆𝑡 = 0,3301
 Se procede a calcular la desviación estándar teoría de la población donde el
valor del rango es obtenido de la gráfica de control realizada en la figura (8), el
valor es 0,589.
 El valor 𝑑2 es obtenido mediante la tabla de factores para las gráficas de control,
donde el tamaño de la muestra que se empleó para la toma de datos fue de 5 de
acuerdo a la tabla de factores el valor de 𝑑2 es = 2,326
Reemplazo de los valores:
𝑅̅ 0,589
𝑆𝑝 = = = 0,2532
𝑑2 2,326
0,3301
𝛿𝑡 = = 𝟏, 𝟑𝟎𝟑𝟕
0,2532
Parámetros:
 De acuerdo al resultado obtenido el índice de estabilidad para el mes de

setiembre es de 1,3037, índica según los parámetros establecidos que al ser
menor a 1,4 el proceso de molienda de caña es estable.
 Cálculo de la estabilidad de proceso para el mes de octubre:
Se determina la estabilidad de proceso para el mes de octubre, para ello es necesario de

calcular el índice de estabilidad de proceso (𝛿𝑡), usando la siguiente relación:
𝑆𝑡
𝛿𝑡 =
𝑆𝑝
Dónde:
76

valor del rango es obtenido de la gráfica de control realizada en la figura (10),
el valor es 0,580.
acuerdo a la tabla de factores el valor de 𝑑2 = 2,326
𝑅̅ 0,580
𝑆𝑝 = = = 0,2493
𝑑2 2,326
0,3354
𝛿𝑡 = = 𝟏, 𝟑𝟒𝟓𝟑
0,2493
Parámetros:
 De acuerdo al resultado obtenido el índice de estabilidad para el mes de octubre

es de 1,3453, índica según los parámetros establecidos que al ser menor a 1,4 el
proceso de molienda de caña es estable.
 Cálculo de la estabilidad de proceso para el mes de noviembre:
Se determina la estabilidad de proceso para el mes de noviembre, para ello es necesario

𝑆𝑡
𝛿𝑡 =
𝑆𝑝
Dónde:

77

el valor es 0,857.
𝑅̅ 0,857
𝑆𝑝 = = = 0,3684
𝑑2 2,326
0,4289
𝛿𝑡 = = 𝟏, 𝟏𝟔𝟒𝟐
0,3684
Parámetros:
 De acuerdo al resultado obtenido el índice de estabilidad para el mes de

noviembre es de 1,1642, índica según los parámetros establecidos que al ser
menor a 1,4 el proceso de molienda de caña es estable.
 Cálculo de la estabilidad de proceso para el mes de diciembre:
Se determina la estabilidad de proceso para el mes de diciembre, para ello es necesario

𝑆𝑡
𝛿𝑡 =
𝑆𝑝
Dónde:

78

el valor es 0,811.
𝑅̅ 0,811
𝑆𝑝 = = = 0,3486
𝑑2 2,326
0,3711
𝛿𝑡 = = 𝟏, 𝟎𝟔𝟒𝟓
0,3486
Parámetros:
 El resultado obtenido del índice de estabilidad para el mes de diciembre es de

1,0645, índica según los parámetros establecidos que al ser menor a 1,4 el
proceso de molienda de caña es estable.
4.5 Determinación de la capacidad de procesos de los meses de estudio

(setiembre – diciembre)
Se determinó la capacidad de procesos para los meses de setiembre - diciembre, se
utilizó como herramienta el programa Minitab 17, donde se estableció los límites de
especificaciones inferior y superior establecido por la empresa azucarera Andahuasi.
79
 Gráfico de capacidad de procesos – setiembre del 2016.
Figura 21: Capacidad de procesos del mes de setiembre.
 El gráfico de la capacidad de procesos del mes de setiembre muestra los datos

de los análisis de la sacarosa en el bagazo se observar que el proceso de
obtención de sacarosa en el bagazo no está cumpliendo con los límites de
especificaciones de pérdidas de 1,7 a 2,3 % debido a la variabilidad que existe
en el proceso, el valor obtenido de la capacidad es 𝑐𝑝 = 0,30 de acuerdo a los
parámetros establecidos podemos decir que el proceso es incapaz por el
resultado es menor a 1,0.
𝑆𝑖 𝑒𝑙 𝑐𝑝 ≥ 1,33 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑒𝑙 𝑝𝑟𝑜𝑐𝑒𝑠𝑜 𝑒𝑠 𝑐𝑎𝑝𝑎𝑧

𝑆𝑖 1 ≤ 𝑐𝑝 ≥ 1,33 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑒𝑙 𝑝𝑟𝑜𝑐𝑒𝑠𝑜 𝑒𝑠 𝑎𝑝𝑒𝑛𝑎𝑠 𝑐𝑎𝑝𝑎𝑧
𝑆𝑖 𝑐𝑝 ≤ 1,0 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑒𝑙 𝑝𝑟𝑜𝑐𝑒𝑠𝑜 𝑒𝑠 𝑖𝑛𝑐𝑎𝑝𝑎𝑧
80
 Gráfico de capacidad de procesos – octubre del 2016.
Figura 22: Capacidad de procesos del mes de octubre.
 Para el mes de octubre el proceso de obtención de sacarosa en el bagazo sigue

siendo teniendo variabilidad en el proceso, mediante el grafico se observar que
el incide de capacidad 𝑐𝑝 = 0,29 que es menor a al parámetro de 1,0 podemos
concluir que para este mes el proceso sigue siendo incapaz.
81
 Gráfico de capacidad de procesos- noviembre del 2016.
Figura 23: Capacidad de procesos del mes de noviembre.
 Para el mes de noviembre se observa los datos del análisis de sacarosa en el

bagazo tienen una menor variabilidad debido que algunos datos se encuentran
dentro de los límites de especificación, también existe datos que no están
cumpliendo y se encuentran fuera de los límites de especificaciones,
obteniéndose un índice de capacidad de proceso (𝑐𝑝 = 0,23), siendo menor que
el parámetro de 1,0 se concluye que el proceso sigue siendo incapaz.
82
 Gráfico de capacidad de procesos – diciembre del 2016.
Figura 24: Capacidad de procesos del mes de diciembre.
 Para el mes de diciembre se observa los datos del análisis de sacarosa en el

bagazo tienen una menor variabilidad debido que algunos datos se encuentran
dentro de los límites de especificación, también existe datos que no están
cumpliendo y se encuentran fuera de los límites de especificaciones,
obteniéndose un índice de capacidad de proceso (𝑐𝑝 = 0,27), siendo menor que
el parámetro de 1,0 se concluye que el proceso sigue siendo incapaz.
 Determinar los cálculos de la capacidad de procesos
Se determinó la estabilidad del proceso, de acuerdo a la variabilidad natural del

proceso donde a través de los resultados obtenidos se concluye que el proceso
se encuentra estable, se procederá a calcular mediante fórmula (22) para
determinar si el proceso es capaz.
 Cálculos de la capacidad de procesos del mes de setiembre
Se determina los límites de especificación superior e inferior,
𝐿𝐸𝑆 − 𝐿𝐸𝐼
𝐶𝑝 =
6𝛿
83
Dónde: LES: Límite de especificación superior

LEI: Límite de especificaciones inferior,
𝑠𝑝 : Desviación teórica estándar
𝐿𝐸𝑆 = 2,0 + 0,3 = 2,3
𝐿𝐸𝐼 = 2,0 − 0,3 = 1,7
2,3 − 1,7
Cp = = 𝟎, 𝟑𝟎
6 ∗ 0,3301
 Cálculos de la capacidad de procesos del mes de octubre.
2,3 − 1,7
Cp = = 𝟎, 𝟐𝟗
6 ∗ 0,3354
 Cálculos de la capacidad de procesos del mes de noviembre.

2,3 − 1,7
Cp = = 𝟎, 𝟐𝟑
6 ∗ 0,4289
 Cálculos de la capacidad de procesos del mes de diciembre.

2,3 − 1,7
Cp = = 𝟎, 𝟐𝟕
6 ∗ 0,3711
 Los resultados obtenidos del análisis de la capacidad de procesos mediante el

uso del software Minitab 17, de los cálculos realizados podemos concluir que
en los meses de (enero a marzo) el proceso es incapaz por no cumplir con las
especificaciones de obtención de sacarosa en el bagazo que la empresa de
realizar para evitar pérdidas mayores y afecten en le obtención de sacos de
azúcar, Los valores obtenidos son menores a 1,0 que es el parámetro que indica
que el proceso es incapaz.
4.6 Análisis del rendimiento de los molinos.
Se recolecto los datos del porcentaje de sacarosa por cada molino,
correspondiente al mes de diciembre del 2016, en el cual se determinó los porcentajes
de extracción individual de cada molino, para posteriormente ser comparado con el
parámetro de extracción que emplea la empresa.
84
Tabla 9: Porcentaje de sacarosa por molinos.

% de Sacarosa
Días Molino Molino Molino Molino Molino
Caña
N° 01 N° 02 N° 03 N° 04 N° 05
1-Dic-2016 12,07 9,60 6,59 5,21 4,39 2,2
2-Dic-2016 11,88 9,33 7,68 5,49 4,12 3,02
3-Dic-2016 10,94 8,67 6,45 5,21 3,57 2,47
4-Dic-2016 11,52 10,98 8,78 6,04 4,94 3,57
5-Dic-2016 12,8 9,60 6,59 5,21 4,39 2,2
6-Dic-2016 12,40 8,46 6,84 4,28 3,00 2,56
7-Dic-2016 12,62 8,51 6,86 4,39 3,02 2,74
9-Dic-2016 12,56 8,52 6,72 4,27 3,12 2,67
10-Dic-2016 12,5 8,49 6,80 4,24 2,91 2,41
11-Dic-2016 12,38 8,39 6,68 4,28 3,01 2,48
12-Dic-2016 12,08 8,34 6,72 4,25 3,12 2,52
13-Dic-2016 12,40 8,46 6,84 4,28 3,00 2,56
14-Dic-2016 12,90 8,50 6,90 4,5 3,1 2,53
15-Dic-2016 11,93 9,34 7,10 4,74 3,12 2,12
16-Dic-2016 12,61 9,34 7,04 4,67 3,19 2,56
17-Dic-2016 12,12 8,95 7,01 4,76 2,95 2,31
18-Dic-2016 13,01 8,91 6,55 4,85 3,45 1,96
19-Dic-2016 12,05 7,59 5,37 3,56 2,9 2,31
20-Dic-2016 12,96 8,65 6,49 4,28 3,00 2,56
21-Dic-2016 13,01 9,65 7,23 4,15 3,23 2,34
22-Dic-2016 11,67 8,88 7,14 5,87 3,89 2,78
23-Dic-2016 13,19 9,08 6,90 4,9 3,22 2,58
26-Dic-2016 11,95 8,75 6,96 4,65 3,25 2,67
27-Dic-2016 12,84 8,84 6,93 5,32 3,5 3,01
28-Dic-2016 12,81 8,61 6,45 4,33 2,97 2,1
29-Dic-2016 12,90 8,78 6,25 4,23 3,5 2,84
30-Dic-2016 11,75 8,42 6,66 4,87 3,33 2,56
Media 12,36 8,88 6,83 4,70 3,38 2,54
 En la (tabla 09), muestra el comportamiento del porcentaje de sacarosa desde el

ingreso al proceso de molienda hasta el quinto molino, se logra observar la
disminución del porcentaje de sacarosa a través de los cinco molinos
correspondiente al mes de diciembre.
85
En la (figura 25), se logra observar la media de porcentaje de sacarosa por

molino y además se muestra la línea de tendencia descendente que indica cómo va
bajando el porcentaje de sacarosa a través de cada uno de los molinos.
Figura 25: Análisis de sacarosa por molinos.
Analisis de Sacarosa en los Molinos

14.00
12.00
12.36
10.00
8.88
8.00
6.83
6.00
4.70
4.00
3.38
2.54
2.00
0.00
Caña Molino N° 01 Molino N° 02 Molino N° 03 Molino N° 04 Molino N° 05
 En la (taba 10), se muestra los datos del porcentaje de extracción individual de

los molinos, siendo la extracción media de un 79,37% de un total de 100%, el
parámetro de extracción que emplea la empresa es de 86% total con relación a
los cinco molinos, siendo distribuidos para cada molino en
(30%;23%;17%;10% y 6%). De acuerdo con la distribución del porcentaje de
extracción se realizó el cálculo del rendimiento de los molinos obteniendo los
siguientes resultados.
 Para el primer molino se obtuvo un rendimiento de extracción de un 90,55%, y
los siguientes molinos se obtuvo un rendimiento de (81,79%; 93,36%; 107% y
113,43%), se puede analizar que los molinos 4 y 5 son los que tienen un buen
rendimiento que están por encima del 100%, es decir están cumpliendo con el
parámetro de extracción establecido por la empresa, mientras el molino 02, es
el que tiene un bajo rendimiento debido a la falta de mantenimiento.
86
Tabla 10: Porcentaje de extracción individual de los molinos

% de Extracción individual
Extracción
Días Molino Molino Molino Molino Molino
Total
N° 01 N° 02 N° 03 N° 04 N° 05
1-Dic-2016 20,46% 24,94% 11,43% 6,79% 18,14% 81,77%
2-Dic-2016 21,46% 13,89% 18,43% 11,53% 9,26% 74,58%
3-Dic-2016 20,75% 20,29% 11,33% 14,99% 10,05% 77,42%
4-Dic-2016 4,69% 19,10% 23,78% 9,55% 11,89% 69,01%
5-Dic-2016 25,00% 23,52% 10,78% 6,41% 17,11% 82,81%
6-Dic-2016 31,77% 17,98% 15,73% 10,32% 3,55% 79,35%
7-Dic-2016 32,57% 18,94% 13,71% 10,86% 2,22% 78,29%
9-Dic-2016 32,17% 19,98% 13,85% 9,16% 3,58% 78,74%
10-Dic-2016 32,08% 20,16% 13,84% 10,64% 4,00% 80,72%
11-Dic-2016 23,26% 22,78% 19,39% 10,26% 4,28% 79,97%
12-Dic-2016 25,83% 22,35% 16,64% 9,35% 4,97% 79,14%
13-Dic-2016 27,34% 20,65% 17,50% 10,32% 3,55% 79,35%
14-Dic-2016 28,60% 25,74% 10,78% 10,85% 4,42% 80,39%
15-Dic-2016 21,71% 18,78% 19,78% 13,58% 8,38% 82,23%
16-Dic-2016 25,93% 18,24% 18,79% 11,74% 5,00% 79,70%
17-Dic-2016 26,16% 16,01% 18,56% 14,93% 5,28% 80,94%
18-Dic-2016 31,51% 18,14% 13,07% 10,76% 11,45% 84,93%
19-Dic-2016 37,01% 18,42% 15,02% 5,48% 4,90% 80,83%
20-Dic-2016 33,26% 16,67% 17,05% 9,88% 3,40% 80,25%
21-Dic-2016 25,83% 18,60% 23,67% 7,07% 6,84% 82,01%
22-Dic-2016 23,91% 14,91% 10,88% 16,97% 9,51% 76,18%
23-Dic-2016 31,16% 16,53% 15,16% 12,74% 4,85% 80,44%
26-Dic-2016 26,78% 14,98% 19,33% 11,72% 4,85% 77,66%
27-Dic-2016 31,15% 14,88% 12,54% 14,17% 3,82% 76,56%
28-Dic-2016 32,79% 16,86% 16,55% 10,62% 6,79% 83,61%
29-Dic-2016 31,94% 19,61% 15,66% 5,66% 5,12% 77,98%
30-Dic-2016 28,34% 14,98% 15,23% 13,11% 6,55% 78,21%
Extracción
27,17% 18,81% 15,87% 10,72% 6,81% 79,37%
Media
Objetivo de
30,00% 23,00% 17,00% 10,00% 6,00% 86,00%
Extracción
Rendimiento
90,55% 81,79% 93,36% 107,20% 113,43% 92,29%
de Molinos
4.7 Identificar el factor que influye en la pérdida de sacarosa en el bagazo.

Se procedió con la identificación de factores o causantes de que ocurran
pérdidas de sacarosa en el bagazo, en primer lugar se hizo consultas, entrevistas con las
personas que laboran en esa empresa y específicamente en el área de trapiche, pues son
87
los que están más cerca del problema, según ellos un factor manejable para la
investigación es las presiones de los molinos en el área de trapiche, las cuales están
sujetas a parámetro que están comprendidos entre (2000 – 2500) psi.
 Análisis de las presiones actuales.
Se recolecto los datos de las presiones de los 4 últimos meses del año 2016, a los que
están sujetos los 5 molinos, determinando una media por día, para poder ver si se está
cumpliendo o no con la presión ideal de molino (2500 psi) para poder lograr la mayor
extracción de jugo y a la vez, la mayor extracción de % de sacarosa.
Tabla 11: Muestras de las presiones (psi) del mes de setiembre del 2016.
Presiones promedio (psi)
Numero de Media
Fecha Molino Molino 2 Molino 3 Molino 4 Molino 5
muestras mensual
1
01 05-sep-16 2500 2400 2500 2400 2400 2440
02 06-sep-16 2200 2200 2300 2200 2300 2240
03 07-sep-16 2200 2300 2300 2300 2400 2300
04 08-sep-16 2500 2400 2500 2400 2500 2460
05 09-sep-16 2400 2400 2300 2400 2400 2380
06 10-sep-16 2400 2400 2400 2500 2400 2420
07 11-sep-16 2400 2500 2500 2400 2500 2460
08 12-sep-16 2500 2500 2500 2500 2400 2480
09 13-sep-16 2400 2500 2500 2400 2400 2440
10 14-sep-16 2400 2400 2400 2500 2500 2440
11 15-sep-16 2400 2300 2500 2400 2400 2400
12 16-sep-16 2100 2400 2300 2300 2300 2280
13 17-sep-16 2500 2400 2500 2500 2500 2480
14 18-sep-16 2500 2300 2400 2300 2300 2360
15 19-sep-16 2400 2500 2400 2500 2500 2460
16 20-sep-16 2500 2500 2400 2500 2500 2480
17 21-sep-16 2300 2500 2500 2500 2400 2440
18 22-sep-16 2400 2500 2500 2500 2500 2480
19 23-sep-16 2500 2400 2500 2500 2500 2480
20 24-sep-16 2500 2500 2500 2300 2500 2460
21 25-sep-16 2400 2500 2300 2500 2300 2400
22 26-sep-16 2400 2500 2500 2500 2500 2480
23 27-sep-16 2400 2500 2500 2400 2300 2420
24 28-sep-16 2400 2500 2400 2500 2400 2440
25 29-sep-16 2400 2400 2400 2400 2400 2400
88
Tabla 12: Muestras de las presiones (psi) del mes de octubre del 2016.
Media
Numero Presiones promedio (psi)
de
de Fecha Molino Molino Molino Molino Molino presión
muestras Nº 1 Nº 2 Nº 3 Nº4 Nº 5 mensual
01 03-oct-16 2300 2300 2300 2300 2300 2300
02 04-oct-16 2300 2300 2300 2300 2300 2300
03 05-oct-16 2400 2400 2300 2300 2400 2360
04 06-oct-16 2400 2300 2400 2400 2300 2360
05 07-oct-16 2400 2400 2400 2400 2400 2400
06 08-oct-16 2400 2500 2400 2400 2500 2440
07 09-oct-16 2200 2300 2400 2400 2400 2340
08 10-oct-16 2300 2400 2300 2400 2300 2340
09 11-oct-16 2500 2400 2500 2500 2500 2480
10 12-oct-16 2500 2400 2400 2400 2500 2440
11 13-oct-16 2500 2300 2500 2300 2400 2400
12 14-oct-16 2500 2300 2500 2500 2500 2460
13 15-oct-16 2400 2400 2400 2500 2400 2420
14 16-oct-16 2500 2500 2400 2400 2400 2440
15 17-oct-16 2500 2500 2400 2400 2400 2440
16 18-oct-16 2500 2500 2500 2400 2400 2460
17 19-oct-16 2400 2400 2400 2400 2400 2400
18 20-oct-16 2400 2500 2500 2500 2500 2480
19 21-oct-16 2500 2500 2500 2500 2400 2480
20 22-oct-16 2500 2500 2300 2500 2500 2460
21 23-oct-16 2400 2400 2300 2500 2500 2420
22 24-oct-16 2400 2300 2400 2300 2300 2340
23 25-oct-16 2500 2300 2500 2500 2500 2460
24 26-oct-16 2500 2500 2500 2300 2500 2460
25 27-oct-16 2300 2400 2300 2400 2300 2340
89
Tabla 13: Muestras de las presiones (psi) del mes de noviembre del 2016.
Numero Presiones promedio (psi) Media de
de Fecha Molino Molino Molino Molino Molino presión
muestras Nº1 Nº 2 Nº 3 Nº4 Nº 5 Mensual
01 03-nov-16 2500 2500 2500 2500 2400 2480
02 04-nov-16 2500 2400 2500 2500 2400 2460
03 05-nov-16 2500 2500 2400 2500 2500 2480
04 06-nov-16 2400 2500 2500 2500 2500 2480
05 07-nov-16 2400 2400 2500 2500 2500 2460
06 08-nov-16 2500 2500 2500 2300 2300 2420
07 09-nov-16 2400 2500 2300 2500 2500 2440
08 10-nov-16 2500 2500 2500 2400 2500 2480
09 11-nov-16 2500 2500 2500 2500 2400 2480
10 12-nov-16 2400 2500 2500 2500 2400 2460
11 13-nov-16 2500 2500 2500 2300 2400 2440
12 14-nov-16 2300 2300 2300 2300 2300 2300
13 15-nov-16 2400 2300 2300 2300 2400 2340
14 16-nov-16 2200 2400 2300 2400 2400 2340
15 17-nov-16 2400 2300 2300 2500 2300 2360
16 18-nov-16 2400 2400 2400 2500 2500 2440
17 19-nov-16 2500 2500 2500 2500 2400 2480
18 20-nov-16 2500 2500 2500 2300 2300 2420
19 21-nov-16 2500 2200 2200 2500 2100 2300
20 22-nov-16 2400 2300 2400 2400 2500 2400
21 23-nov-16 2400 2400 2400 2500 2500 2440
22 24-nov-16 2400 2400 2500 2100 2400 2360
23 25-nov-16 2400 2500 2400 2300 2400 2400
24 26-nov-16 2500 2400 2300 2300 2500 2400
25 27-nov-16 2400 2300 2300 2400 2300 2340
90
Tabla 14: Muestras de las presiones (psi) del mes de diciembre del 2016.
Presiones promedio - diciembre (psi) Media
Numero de
Fecha presión
muestras Molino 1 Molino 2 Molino 3 Molino 4 Molino 5 mensual
01 01-dic-16 2500 2400 2400 2400 2400 2420
02 02-dic-16 2500 2400 2500 2500 2400 2460
03 03-dic-16 2500 2500 2400 2500 2500 2480
04 04-dic-16 2400 2500 2500 2500 2500 2480
05 05-dic-16 2400 2400 2400 2400 2400 2400
06 06-dic-16 2400 2300 2400 2300 2400 2360
07 07-dic-16 2400 2500 2300 2500 2500 2440
08 08-dic-16 2500 2500 2500 2400 2500 2480
09 09-dic-16 2500 2400 2500 2500 2400 2460
10 10-dic-16 2400 2500 2500 2500 2300 2440
11 11-dic-16 2500 2500 2500 2300 2300 2420
12 12-dic-16 2400 2400 2400 2400 2400 2400
13 13-dic-16 2400 2400 2500 2300 2500 2420
14 14-dic-16 2400 2500 2500 2400 2400 2440
15 15-dic-16 2400 2400 2500 2500 2500 2460
16 16-dic-16 2500 2400 2400 2500 2500 2460
17 17-dic-16 2400 2400 2400 2500 2400 2420
18 18-dic-16 2500 2500 2500 2300 2300 2420
19 19-dic-16 2500 2400 2200 2500 2400 2400
20 20-dic-16 2400 2400 2500 2500 2500 2460
21 21-dic-16 2400 2400 2500 2500 2500 2460
22 22-dic-16 2400 2500 2500 2400 2400 2440
23 23-dic-16 2400 2400 2400 2300 2300 2360
24 24-dic-16 2300 2300 2300 2300 2400 2320
25 26-dic-16 2400 2500 2400 2500 2500 2460
 A continuación, se muestra la tabla de la resta de los correspondientes datos de

muestra de presión en el área de molienda y el estándar (2500 psi), obteniendo
así un promedio de pérdidas obtenida en los 4 meses, determinando en cuanto
nos alejamos del estándar.
91
Tabla 15: Comportamiento de las presiones con respecto al óptimo de los meses
de (Setiembre - diciembre) año 2016.
Diferencia de presiones con el ideal (psi) Diferencia
N° Promedio Presión
Setiembre Octubre Noviembre Diciembre con presión
muestras Mensual ideal
ideal (%)
01 -60 -200 -20 -80 -90,00 2500,00 -3,60%
02 -260 -200 -40 -40 -135,00 2500,00 -5,40%
03 -200 -140 -20 -20 -95,00 2500,00 -3,80%
04 -40 -140 -20 -20 -55,00 2500,00 -2,20%
05 -120 -100 -40 -100 -90,00 2500,00 -3,60%
06 -80 -60 -80 -140 -90,00 2500,00 -3,60%
07 -40 -160 -60 -60 -80,00 2500,00 -3,20%
08 -20 -160 -20 -20 -55,00 2500,00 -2,20%
09 -60 -20 -20 -40 -35,00 2500,00 -1,40%
10 -60 -60 -40 -60 -55,00 2500,00 -2,20%
11 -100 -100 -60 -80 -85,00 2500,00 -3,40%
12 -220 -40 -200 -100 -140,00 2500,00 -5,60%
13 -20 -80 -160 -80 -85,00 2500,00 -3,40%
14 -140 -60 -160 -60 -105,00 2500,00 -4,20%
15 -40 -60 -140 -40 -70,00 2500,00 -2,80%
16 -20 -40 -60 -40 -40,00 2500,00 -1,60%
17 -60 -100 -20 -80 -65,00 2500,00 -2,60%
18 -20 -20 -80 -80 -50,00 2500,00 -2,00%
19 -20 -20 -200 -100 -85,00 2500,00 -3,40%
20 -40 -40 -100 -40 -55,00 2500,00 -2,20%
21 -100 -80 -60 -40 -70,00 2500,00 -2,80%
22 -20 -160 -140 -60 -95,00 2500,00 -3,80%
23 -80 -40 -100 -140 -90,00 2500,00 -3,60%
24 -60 -40 -100 -180 -95,00 2500,00 -3,80%
25 -100 -160 -160 -40 -115,00 2500,00 -4,60%
TOTAL -81,00 -3,24%
 Con la tabla se determinó el promedio de pérdida de presión en los meses de

setiembre a diciembre del año 2016, el cual nos da un total de 81 psi. Con esta
diferencia determinada lo compararemos con la presión óptima 2500 psi,
dándonos un resultado de -3% de diferencia en presión.
92
4.8 Propuesta de mejora respecto al factor para controlar las pérdidas de

sacarosa en el bagazo.
Para plantear la propuesta de mejora se consideró la presión como un
factor influyente en la perdida de sacarosa en el bagazo, pues se mostró que
mientras a mayor presión, mayor es la cantidad de jugo extraído de los molinos,
por lo tanto será menor la perdida de sacarosa en el bagazo, pues se tomó como
referencia la data histórica de las presiones y las muestras de análisis de sacarosa
en el bagazo de los meses de setiembre a diciembre del 2016, además se tuvo la
oportunidad de poder bajar las presiones de los molinos exactamente a 2400 psi,
por directiva del gerente de planta, debido a la carga excesiva de piedra en la
caña que ingresaba al área de trapiche en un periodo de esos meses, por lo tanto
se recolecto data del % de sacarosa en el bagazo, analizando esta data pudimos
determinar que una variación de 100 psi en los 5 molinos aproximadamente
tiene un impacto de 0.473 de % de sacarosa en el bagazo. Se eligió este factor
por ser manejable y contar con los datos suficientes para llegar a unos resultados
favorables para la investigación.
Posteriormente se evaluó el comportamiento de la media de presiones
por mes en el periodo de setiembre a diciembre del 2016, conjuntamente con la
presión ideal, dando como información, las cantidades de presiones media
faltantes para llegar a la presión ideal de 2500 psi, una vez calculado esto nos
sirvió para determinar cuánto nos falta para alcanzar dicha presión ideal, además
se representó porcentualmente, como se observa en la (tabla 15), siendo esta un
3,24%.
Con este resultado obtenido de cuanto nos hace falta en porcentaje para
poder cumplir con la presión ideal impuesta por el área de trapiche, hemos
planteado 3 escenarios distintos, para poder determinar en cuanto aumenta
nuestras presiones según cada escenario y así lograr disminuir las pérdidas de
% sacarosa en el bagazo y a la vez no sobrepasar el ideal de presión 2500 psi.
Tabla 16: Media de presiones reales del mes de setiembre del año 2016.
Presiones reales mes de setiembre - 2016 (psi)
Molinos Molino 1 Molino 2 Molino 3 Molino 4 Molino 5 Media
Promedio de
presiones reales 2400 2428 2432 2424 2420 2420,8
(psi)
 Escenarios: Con un aumento del 1%, 2% y del 2,5% con respecto a las presiones
reales sin exceder del ideal de 2500 psi para cada mes.
93
Tabla 17: Resumen de los escenarios de las presiones – setiembre 2016.

Nuevas presiones obtenidas – setiembre (psi)
Molinos Escenario 1 (1%) Escenario 2 (2%) Escenario 3 (2.5%)
Molino 1 (psi) 2425 2450 2462,5
Molino 2 (psi) 2453 2478 2490,5
Molino 3 (psi) 2457 2482 2494,5
Molino 4 (psi) 2449 2474 2486,5
Molino 5 (psi) 2445 2470 2482,5
Promedio (psi) 2445,8 2470,8 2483,3
 Se muestra en la (tabla 18) el resumen de las presiones reales del mes de octubre.
Tabla 18: Media de presiones reales del mes de octubre del año 2016.
Presiones reales mes de octubre - 2016 (psi)
Molino Molino Molino Molino Molino
Molinos Media
Nº01 Nº02 Nº03 Nº04 Nº05
Promedio de
2420 2400 2404 2408 2412 2408,8
presiones reales (psi)
 Se muestra el resumen de los tres escenarios correspondiente al mes de octubre.

Tabla 19: Resumen de los escenarios de las presiones – octubre 2016.
Nuevas presiones obtenidas - octubre
Molinos Escenario 1 (1%) Escenario 2 (2%) Escenario 3 (2.5%)
Molino 1 (psi) 2445 2470 2482,5
Molino 2 (psi) 2425 2450 2462,5
Molino 3 (psi) 2429 2454 2466,5
Molino 4 (psi) 2433 2458 2470,5
Molino 5 (psi) 2437 2462 2474,5
Promedio (psi) 2433,8 2458,8 2471,3
 Se muestra en la (tabla 20) el resumen de las presiones reales del mes de

noviembre.
Tabla 20: Media de presiones reales del mes de noviembre del año 2016.
Presiones reales mes de noviembre - 2016 (psi)
Molinos Media
Promedio de
(PSI)
 Se muestra el resumen de los tres escenarios correspondiente al mes de

noviembre.
94
Tabla 21: Resumen de los escenarios de las presiones – noviembre 2016.

Nuevas presiones obtenidas - noviembre
Escenario 1 Escenario 2
Molinos Escenario 3 (2.5%)
(1%) (2%)
Molino 1 (psi) 2457 2482 2494,5
Molino 2 (psi) 2445 2470 2482,5
Molino 3 (psi) 2437 2462 2474,5
Molino 4 (psi) 2437 2462 2474,5
Molino 5 (psi) 2429 2454 2466,5
Promedio (psi) 2441 2466 2478,5
 Se muestra en la (tabla 22) el resumen de las presiones reales del mes de

diciembre.
Tabla 22: Media de presiones reales del mes de diciembre del año 2016.
Presiones reales mes de diciembre - 2016 (psi)
Molinos Media
Promedio de
(PSI)
 Se muestra el resumen de los tres escenarios correspondiente al mes de

diciembre.
Tabla 23: Resumen de los escenarios de las presiones – diciembre 2016.
Nuevas presiones obtenidas - diciembre
Escenario 1 Escenario 2 Escenario 3
Molinos
(1%) (2%) (2.5%)
Molino 1 (psi) 2457 2482 2494,5
Molino 2 (psi) 2457 2482 2494,5
Molino 3 (psi) 2461 2486 2498,5
Molino 4 (psi) 2453 2478 2490,5
Molino 5 (psi) 2449 2474 2486,5
Promedio (psi) 2455,4 2480,4 2492,9
Calculo de la eficacia
Para realizar el cálculo de la eficacia necesitamos saber nuestra sacarosa en

azúcar producido (t) el cual será nuestro resultado alcanzado (RA) y sacarosa en azúcar
esperada (t) el cual será nuestro resultado esperado (RE).
La sacarosa esperada se obtuvo colocando un valor de 2% de sacarosa en el

bagazo en vez del ya obtenido en planta, para que este sea utilizado en la resta con la
sacarosa de caña, obteniendo la cantidad de sacarosa extraída en el proceso, el cual será
multiplicado con las toneladas de caña entrante en el área de trapiche.
95
Resultado alcanzado
𝐸𝑓𝑖𝑐𝑎𝑐𝑖𝑎 = 𝑥100
𝑅𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜 𝑒𝑠𝑝𝑒𝑟𝑎𝑑𝑜
Sacarosa en azúcar producido (t)
𝐸𝑓𝑖𝑐𝑎𝑐𝑖𝑎 = 𝑥100
Sacarosa en azúcar esperada (t)
4 103,68 𝑡
𝐸𝑓𝑖𝑐𝑎𝑐𝑖𝑎 𝑆𝑒𝑡𝑖𝑒𝑚𝑏𝑟𝑒 = 𝑥100
4 249,98 𝑡
𝐸𝑓𝑖𝑐𝑎𝑐𝑖𝑎 𝑆𝑒𝑡𝑖𝑒𝑚𝑏𝑟𝑒 = 96,56%
Tabla 24: Calculo de la eficacia de setiembre – diciembre del 2016
Sacarosa de Sacarosa en el Producción Producción
Sacarosa en Recursos de
Mes caña promedio bagazo de sacarosa de sacarosa Eficacia
azúcar (%) caña (t)
(%) promedio (%) (t) esperada (t)
Setiembre 12,50 2,36 10,14 40 476,00 4 103,68 4 249,98 96,56%
Octubre 12,70 2,56 10,14 38 337,00 3 887,11 4 102,06 94,76%
Noviembre 12,75 2,41 10,34 35 466,00 3 666,16 3 812,60 96,16%
Diciembre 12,80 2,28 10,52 43 375,00 4 564,09 4 684,50 97,43%
Total 157 654,00 16221,03 16849,13 96,27%
 La eficacia total comprendida de los meses de setiembre a diciembre es de 96,27%
Calculo de la eficiencia
Para realizar el cálculo de la eficiencia necesitamos saber nuestro tiempo de operación el cual será nuestro recurso utilizado y tiempo
estimado el cual será nuestro recurso planificado.
96
Tiempo de operación es el tiempo el que el área de trapiche demoro en procesar una cierta cantidad de toneladas de caña.
Tiempo estimado es el tiempo en el que el área de trapiche debió demorar en procesar cierta cantidad de toneladas de caña, se calculó a partir
de saber cuánto se puede moler en un día, 2000 t/día.
Recursos estimado
𝐸𝑓𝑖𝑐𝑖𝑒𝑛𝑐𝑖𝑎 = 𝑥100
𝑅𝑒𝑐𝑢𝑟𝑠𝑜 𝑢𝑡𝑖𝑙𝑖𝑧𝑎𝑑𝑜
Tiempo estimado (h)
𝐸𝑓𝑖𝑐𝑖𝑒𝑛𝑐𝑖𝑎 = 𝑥100
Tiempo de operación (h)
485,71 ℎ
𝐸𝑓𝑖𝑐𝑖𝑒𝑛𝑐𝑖𝑎 𝑆𝑒𝑡𝑖𝑒𝑚𝑏𝑟𝑒 = 𝑥100
610,80 ℎ
𝐸𝑓𝑖𝑐𝑖𝑒𝑛𝑐𝑖𝑎 𝑆𝑒𝑡𝑖𝑒𝑚𝑏𝑟𝑒 = 79,52%
Tabla 25: Calculo de la eficiencia de setiembre – diciembre del 2016

Sacarosa de Sacarosa en el
Sacarosa en Recursos de tiempo de tiempo
Mes caña promedio bagazo Eficiencia
azúcar (%) caña (t) operación (h) estimado (h)
(%) promedio (%)
Setiembre 12,50 2,36 10,14 40 476,00 610,80 485,71 79,52%
Octubre 12,70 2,56 10,14 38 337,00 621,36 460,04 74,04%
Noviembre 12,75 2,41 10,34 35 466,00 611,52 425,59 69,60%
Diciembre 12,80 2,28 10,52 43 375,00 592,08 520,50 87,91%
Total 157 654,00 2435,76 1891,84 77,67%
 La eficiencia total comprendida de los meses de setiembre a diciembre es de 77,67%

97
Calculo de la efectividad
Se realizó el cálculo de la efectividad, para los meses de (setiembre-diciembre), para

aplicar la formula se necesita saber cuánto es nuestra eficacia y eficiencia.
𝐸𝑓𝑒𝑐𝑡𝑖𝑣𝑖𝑑𝑎𝑑 = Eficacia 𝑥 𝐸𝑓𝑖𝑐𝑖𝑒𝑛𝑐𝑖𝑎

𝐸𝑓𝑒𝑐𝑡𝑖𝑣𝑖𝑑𝑎𝑑 𝑠𝑒𝑡𝑖𝑒𝑚𝑏𝑟𝑒 = 96,56% 𝑥 77,67%
𝐸𝑓𝑒𝑐𝑡𝑖𝑣𝑖𝑑𝑎𝑑 𝑠𝑒𝑡𝑖𝑒𝑚𝑏𝑟𝑒 = 96,56% 𝑥 77,67%
𝐸𝑓𝑒𝑐𝑡𝑖𝑣𝑖𝑑𝑎𝑑 𝑠𝑒𝑡𝑖𝑒𝑚𝑏𝑟𝑒 = 76,78%
Tabla 26: Calculo de la efectividad de setiembre – diciembre del 2016
Mes Eficacia Eficiencia Efectividad
Setiembre 96,56% 79,52% 76,78%
Octubre 94,76% 74,04% 70,16%
Noviembre 96,16% 69,60% 66,92%
Diciembre 97,43% 87,91% 85,65%
Total 96,27% 77,67% 74,77%
 La efectividad total comprendida de los meses de setiembre a diciembre es de

74,77%.
4.9 Calcular la productividad

Se procedió a calcular la productividad total empleando los recursos que intervienen en
el proceso como mano de obra, materia prima, agua, energía eléctrica, etc. También se
procedió a calcular las ventas mensuales y los costos por recursos ya mencionados
obteniendo una productividad en unidades monetarias.
Producción
Productividad =
Recursos
Productividad total - setiembre:
𝑠/. 5 386 080

productividad = = 1,97
𝑠/.2 733 638
Para el mes de setiembre se calculó la productividad total, considerando diversos

factores que intervienen en el proceso productivo, se determinó una venta de
𝑠/. 5 386 080, obteniendo un costo de 𝑠/.2 733 638 en recursos empleados,
obteniendo una productividad de 1,97 soles.
98
Productividad total - octubre:
𝑠/. 5 141 040

productividad = = 1,99
𝑠/.2 580 603
En el mes de octubre se calculó una venta de 𝑠/. 5 141 040, obteniendo un costo de
𝑠/.2 580 603en recursos empleados, se obtiene una productividad de 1,99 soles.
Productividad total- noviembre:
𝑠/.4 921 860

𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑖𝑣𝑖𝑑𝑎𝑑 = = 2,06
𝑠/.2 383 988
En el mes de noviembre se obtuvo una venta de 𝑠/.4 921 860, obteniendo un costo de
𝑠/.2 383 988 en recursos empleados, se obtiene una productividad de 2,06 soles.
Productividad total - diciembre:

𝑠/.5 902 740
𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑖𝑣𝑖𝑑𝑎𝑑 = = 2,02
𝑠/.2 927 073
En el mes de diciembre se obtuvo una venta de 𝑠/.5 902 740, obteniendo un costo de
𝑠/.2 927 073 en recursos empleados, se obtiene una productividad de 2,02 soles
99
Tabla 27: Resumen de productividad de la sacarosa en el bagazo y la productividad.

Mano de Materia
Producción Costo total
Meses Ventas obra prima Suministro Productividad
(T) (S/.)
(S/.) (S/.) (S/.) (S/.)
Setiembre 89 768 5 386 080 15 698 2 630 940 87 000 2 733 638 1,97
Octubre 85 684 5 141 040 15 698 2 491 905 73 000 2 580 603 1,99
Noviembre 82 031 4 921 860 15 698 2 305 290 63 000 2 383 988 2,06
Diciembre 98 379 5 902 740 15 698 2 819 375 92 000 2 927 073 2,02
Total 355 862 21 351 720 62 791 10 247 510 315 000 10 625 301 2,01
 En los meses de setiembre a diciembre del 2016 el área de trapiche de la empresa Agraria Azucarera Andahuasi S.A.A., se obtuvo una
producción total de 355 862 bolsas de azúcar, que representa en ventas 21 351 720 soles, obteniendo en costos de recursos empleados de
10 625 301 soles, lo cual se obtuvo una productividad de 2,01 que representa que por cada sol invertido se obtiene una productividad de 2,01
soles con referencia a las ventas.
Cálculo de la productividad de los escenarios propuestos
Para los escenarios propuestos, se procederá determinar cuánto es la productividad con las nuevas presiones planteadas, para en base a ello se elija
al mejor escenario que nos permitirá saber en cuanto aumento nuestra productividad.
100
Tabla 28: Cálculo de la productividad con el primer escenario.

primer escenario - 1%
Sacarosa
Sacarosa Sacarosa
Presión en el Recursos Producción Producción
de caña en
Mes promedio bagazo de caña de sacarosa de bolsas de Productividad
promedio azúcar
(psi) promedio (t) (t) azúcar Ventas Costo total
(%) (%)
(%) (S/.) (S/.)
Setiembre 2445,8 12,5 2,24 10,26 40 476,00 4 151,54 90 815,00 5 448 900,00 2 733 637,80 1,99
Octubre 2433,8 12,7 2,44 10,26 38 337,00 3 932,43 86 683,29 5 200 997,40 2 580 602,80 2,02
Noviembre 2441 12,75 2,29 10,46 35 466,00 3 708,10 82 969,38 4 978 162,80 2 383 987,80 2,09
Diciembre 2455,4 12,8 2,16 10,64 43 375,00 4 615,37 99 484,58 5 969 074,80 2 927 072,80 2,04
Total 157 654,00 16 407,46 359 952,25 21 597 135,00 10 625 301,20 2,03
 Con el primer escenario de las presiones se puede observar que la perdida media de sacarosa en el bagazo de los cuatro meses es
2,40% el cual empieza a disminuir a 2,28% por el primer escenario, al reducir la perdida de sacarosa en el bagazo, se observa que la
sacarosa en azúcar aumenta en cada uno de los meses teniéndose una media de 10,40% sacarosa, esto representa una producción de
sacarosa de 16 407,46 t/sacarosa , implica un incremento en la producción de bolsas de azúcar de 359 959,25 que representa en ventas
S/. 21 597 135, donde se obtiene una productividad de 2,03 soles en relación a las ventas.
101
Tabla 29: Cálculo de la productividad con el segundo escenario.

Segundo escenario - 2%
Sacarosa
Sacarosa Sacarosa
Presión en el Recursos Producción
de caña en Producción de
Mes promedio bagazo de caña de bolsas de Productividad
promedio azúcar sacarosa (t)
(psi) promedio (t) azúcar Ventas Costo total
(%) (%)
(%) (S/.) (S/.)
Setiembre 2470,8 12,5 2,12 10,38 40 476,00 4 199,40 91 862,00 5 511 720,00 2 733 637,80 2,02
Octubre 2458,8 12,7 2,32 10,38 38 337,00 3 977,77 87 682,59 5 260 955,40 2 580 602,80 2,04
Noviembre 2466 12,75 2,18 10,57 35 466,00 3 750,04 83 907,76 5 034 465,60 2 383 987,80 2,11
Diciembre 2480,4 12,8 2,04 10,76 43 375,00 4 666,66 100 590,16 6 035 409,60 2 927 072,80 2,06
Total 157 654,00 16 593,89 364 042,50 21 842 550,60 10 625 301,20 2,06
 Con la evaluación del segundo escenario considerando las presiones para los meses de setiembre a diciembre es de 2 469 psi, obtenemos
como resultado que la perdida de sacarosa en el bagazo disminuya 2,17% a diferencia del escenario 1, además se obtiene un 10,52% de
sacarosa en azúcar que representa una producción de 16 593 t/sacarosa, obteniendo en producción de bolsas de azúcar de 364 042,50
considerando el ingreso de la misma cantidad de caña molida de 157 654 toneladas de caña, se obtiene una productividad de 2,06 soles.
102
Tabla 30: Cálculo de la productividad con el tercer escenario.

Tercer escenario - 2.5%
Sacarosa
Sacarosa Sacarosa
Presión en el Producción Producción de
de caña en Recursos de
Mes promedio bagazo de sacarosa bolsas de Productividad
promedio azúcar caña (t)
(psi) promedio (t) azúcar Ventas Costo total
(%) (%)
(%) (S/.) (S/.)
Setiembre 2483,3 12,5 2,07 10,43 40 476,00 4 223,34 92 385,50 5 543 130,00 2 733 637,80 2,03
Octubre 2471,3 12,7 2,27 10,43 38 337,00 4 000,43 88 182,23 5 290 933,80 2 580 602,80 2,05
Noviembre 2478,5 12,75 2,12 10,63 35 466,00 3 771,00 84 376,95 5 062 617,00 2 383 987,80 2,12
Diciembre 2492,9 12,8 1,98 10,82 43 375,00 4 692,31 101 142,94 6 068 576,40 2 927 072,80 2,07
Total 157 654,00 16 687,10 366 087,63 21 965 257,20 10 625 301,20 2,07
 Evaluando el tercer escenario para los meses de setiembre a diciembre considerando como presiones de 2 455,40 psi, 2 469,00 psi y 2 481,3
psi consecutivamente para cada escenario, obtenemos como resultado que la perdida de sacarosa en el bagazo disminuye a 2,11% con
respecto a los escenario 2 y escenario 1, obteniendo una producción de sacarosa de 16 687,10 t/sacarosa, que representa un incremento de la
producción de bolsas de azúcar a 366 087, considerando el ingreso de la misma cantidad de caña molida de 157 654 toneladas de caña, con
una productividad de 2,07 soles.
De acuerdo a los resultados obtenidos de cada escenario, se eligió el tercer escenario como óptimo debido a los resultados encontrados.
Al reducir la pérdida de 2,40% de sacarosa en el bagazo a 2,11% con el tercer escenario, se logró reducir esta pérdida de sacarosa en 0.29%
mejorando las presiones en un 2.5% psi, por lo tanto se obtendrá una mayor obtención de sacarosa en azúcar, teniendo como producto final
el incremento de la producción de bolsas de azúcar de 355 862 a 366 087, obteniendo un incremento de 10 225 bolsas/azúcar para los meses
de setiembre a diciembre del 2016, logrando aumentar la productividad de 2,01 a 2,07 soles, siendo esto un aumento de 0,06 soles.
103
4.10 Evaluación económica actual y el propuesto

Para la realización de la evaluación económica se tomó la data que se tiene de los meses
de setiembre a diciembre del 2016, compararemos lo real vs el escenario 3, para poder
determinar económicamente el impacto.
Tabla 31: Data Histórica de molienda de los meses de setiembre - diciembre año
2016 (Real)
Descripción Setiembre Octubre Noviembre Diciembre
Caña Molida (t) 40 476,00 38 337,00 35 466,00 43 375,00
Días Aprov. Molienda
25 26 25 25
(días)
Edad Prom. de Caña 16,40 16,48 15,87 16,41
Pol de Caña (%) 12,50 12,70 12,75 12,80
Pol de Bagazo (%) 2,36 2,56 2,41 2,28
Azúcar Bolsas (und) 89 768,00 85 684,00 82 031,00 98 379,00
 De acuerdo a la evaluación de los meses de setiembre a diciembre del 2016, en

la producción de azúcar en la empresa Andahuasi, se ha registrado una
producción de 355,862 bolsa de azúcar, con lo siguientes datos técnicos.
Tabla 32: Datos técnicos – real.
Pol % de Caña - Sacarosa 12,69
% de Sacarosa en el Bagazo 2,40
 De acuerdo al estudio y a la información recabada, se muestran el precio de

venta y el costo de venta, para realizar nuestro análisis económico.
Tabla 33: Información sobre los costos y precio de venta de la producción de
azúcar.
Costos
S/ x 50 kg. Azúcar 60,00
S/x kg 1,20
Ventas
S/x kg 1,96
Margen bruto
S/x kg 0,76
 Evaluando la situación actual, se han reportado los siguientes estados

financieros de los meses de setiembre – diciembre del 2016.
104
Tabla 34: Análisis económico de los meses de setiembre-diciembre año 2016.

Ventas 2016 Setiembre Octubre Noviembre Diciembre
Rubros 2016 2016 2016 2016
Ventas (S/.) 7 540 512 7 197 456 6 890 604 8 263 836
Costo de Ventas (S/.) (5 386 080) (5 141 040) (4 921 860) (5 902 740)
Utilidad Bruta 2 154 432 2 056 416 1 968 744 2 361 096
Gastos de Administración (S/.) (150 810) (143 949) (137 812) (165 277)
Gastos de Ventas (S/.) (452 431) (431 847) (413 436) (495 830)
Neto de otros ingresos (S/.) 113 108 107 962 103 359 123 958
Utilidad Operativa 1 664 299 1 588 581 1 520 855 1 823 947
Ingresos Financieros (S/.) 37 703 37 703 37 703 37 703
Gastos Financieros (S/.) (22 622) (22 622) (22 622) (22 622)
Diferencia en Cambio (S/.) (67 865) (67 865) (67 865) (67 865)
Utilidad antes de impuestos 1 611 515 1 535 798 1 468 071 1 771 163
Distribución Legal de la Renta
0 0 0 0
(S/.)
Impuestos las Ganancias (S/.) 0 0 0 0
Aplicación de Diferidos (S/.) 0 0 0 0
Utilidad Neta (S/.) 1 611 515 1 535 798 1 468 071 1 771 163
Se procede a realizar una tabla resumen de los estados financieros de la empresa.
Tabla 35: Resumen de estados financieros de los meses setiembre-diciembre

del año 2016.
2016
Rubros S/. 0 %
Ventas (S/.) 29 892 408
Costo de Ventas (S/.) (21 351 720) -71,4%
Utilidad Bruta 8 540 688 28,6%
Gastos de Administración (S/.) (597 848) -2,0%
Gastos de Ventas (S/.) (1 793 544) -6,0%
Neto de otros ingresos (S/.) 448 386 1,5%
Utilidad Operativa 6 597 681 22,1%
Ingresos Financieros (S/.) 150 810 0,5%
Gastos Financieros (S/.) (90 486) -0,3%
Diferencia en Cambio (S/.) (271 458) -0,9%
Utilidad antes de impuestos 6 386 547 21,4%
0 -
(S/.)
Impuestos las Ganancias (S/.) 0 -
Aplicación de Diferidos (S/.) 0 -
Utilidad Neta (S/.) 6 386 547 21,4%
De acuerdo a los resultados actuales se ha obtenido una utilidad de 6,3 millones de soles
aproximadamente como resultado de los meses de setiembre a diciembre del 2016, con
una producción de 355 862 bolsas de azúcar, teniendo una molienda de 157 654 t de
105
caña con un porcentaje de sacarosa de caña de 12,69 y un porcentaje de pérdida de

sacarosa en el bagazo de 2,40.
Evaluación económica de la propuesta planteada
Se tomó los datos del mejor escenario (2.5%) y se realizó la evaluación financiera, para
comparar con los datos actuales de setiembre – diciembre del 2016 y ver si la empresa
ha obtenido una mejora debido respecto a sus utilidades
Tabla 36: Data obtenidos del escenario N° 03 (setiembre - diciembre del 2016)
Descripción Setiembre Octubre Noviembre Diciembre
Caña Molida (t) 40 476,00 38 337,00 35 466,00 43 375,00
Días Aprov. Molienda
25 26 25 25
(días)
Edad Prom. de Caña 16,40 16,48 15,87 16,41
Pol de Caña (%) 12,50 12,70 12,75 12,80
Pol de Bagazo (%) 2,07 2,27 2,12 1,98
Azúcar Bolsas (und) 92 385,50 88 182,23 84 376,95 101 142,94
Se obtuvo los siguientes datos técnicos a partir del escenario realizado.

Tabla 37: Datos técnico obtenidos.
Pol % de caña - sacarosa 12,69
% de sacarosa en el bagazo 2,11
De acuerdo al estudio y a la información recabada, se muestran el precio de venta y el

costo de venta, para realizar nuestro análisis económico.
Tabla 38: Información sobre costos y precio de venta.
Costos
S/ x 50 KG.
Azúcar 60,00
S/x KG 1,20
Ventas
S/x 50 KG Azúcar 84,00
S/x KG 1,96
Margen Bruto
S/x 50 KG Azúcar 24,00
S/x KG 0,76
 Con la nueva data del escenario, se realizó los siguientes estados financieros.
Para determinar las utilidades obtenidas en los meses de setiembre a diciembre
del 2016.
106
Tabla 39: Análisis económico de la propuesta de mejora para los meses

setiembre - diciembre del año 2016.
Ventas 2016 Setiembre Octubre Noviembre Diciembre
Rubros 2016 2016 2016 2016
Ventas (S/.) 7 760 382 7 407 307 7 087 664 8 496 007
Costo de Ventas (S/.) (5 543 130) (5 290 934) (5 062 617) (6 068 577)
Utilidad Bruta 2 217 252 2 116 374 2 025 047 2 427 431
Gastos de Administración (S/.) (155 208) (148 146) (141 753) (169 920)
Gastos de Ventas (S/.) (465 623) (444 438) (425 260) (509 760)
Neto de otros ingresos (S/.) 116 406 111 110 106 315 127 440
Utilidad Operativa 1 712 827 1 634 899 1 564 349 1 875 190
Ingresos Financieros (S/.) 38 802 38 802 38 802 38 802
Gastos Financieros (S/.) (23 281) (23 281) (23 281) (23 281)
Diferencia en Cambio (S/.) (69 843) (69 843) (69 843) (69 843)
Utilidad antes de impuestos 1 658 504 1 580 576 1 510 026 1 820 868
0 0 0 0
(S/.)
Impuestos las Ganancias (S/.) 0 0 0 0
Aplicación de Diferidos (S/.) 0 0 0 0
Utilidad Neta (S/.) 1 658 504 1 580 576 1 510 026 1 820 868
Se obtiene un resumen de los estados financieros como se presenta a continuación. Ver

(tabla 40).
Tabla 40: Resumen de los estados financieros del escenario N° 03 (setiembre-
diciembre del año 2016).
2016
Rubros S/. 0 %
Ventas (S/.) 30 751 361
Costo de Ventas (S/.) (21 965 258) -71,4%
Utilidad Bruta 8 786 103 28,6%
Gastos de Administración (S/.) (615 027) -2,0%
Gastos de Ventas (S/.) (1 845 082) -6,0%
Neto de otros ingresos (S/.) 461 270 1,5%
Utilidad Operativa 6 787 265 22,1%
Ingresos Financieros (S/.) 155 208 0,5%
Gastos Financieros (S/.) (93 125) -0,3%
Diferencia en Cambio (S/.) (279 374) -0,9%
Utilidad antes de impuestos 6 569 974 21,4%
Distribución Legal de la Renta (S/.) 0 -
Impuestos las Ganancias (S/.) 0 -
Aplicación de Diferidos (S/.) 0 -
Utilidad Neta (S/.) 6 569 974 21,4%
107
 De acuerdo a los resultados provenientes del escenario N°03 de los meses de

setiembre a diciembre del 2016 se ha obtenido una utilidad neta de 6 569 974
S/. Aproximadamente en el año, con una producción de 366 087 bolsas de
azúc.ar, teniendo una molienda de 157 654 t de caña con un porcentaje de
sacarosa de caña de 12,69 y un porcentaje de pérdida de sacarosa en el bagazo
de 2,11.
4.11 Resultados metodológicos de la investigación
4.11.1 Validez del instrumento
Se realizó la validez del instrumento de investigación (Control estadístico de
procesos y productividad), mediante un juicio de expertos donde los expertos
seleccionados fueron:
Experto 1: Mg, Martínez Infante Pedro Pablo – CIP 26125

Experto 2: Mg, José Augusto Arias Pittman – CIP 17214
Experto 3: Ing, Moisés E, Armas Inga – CIP 19771
Los cuales calificaron los criterios de la validación como se muestra:
Tabla 41: Calificación de los expertos.
Calificación de Calificación Validez
Expertos
la validez (%) general
Mg Martínez Infante, Pedro 15 93,8
Pablo
Mg, Arias Pittman José 14 87,5 91,7
Augusto
Mg, Armas Inga, Moisés 15 93,8
 Con una validez general de 91,7% según la escala de validez el instrumento

(Control estadístico de procesos y Productividad) tiene una excelente validez,
de acuerdo al criterio de los expertos.
Tabla 42: Escala de Validez

Escala Indicador
0,00 – 0,53 Validez Nula
0,54 – 0,64 Validez Baja
0,65 – 0,69 Válida
0,70 – 0,80 Muy Válida
0,81 – 0,94 Excelente Validez
0,95 – 1,00 Validez Perfecta
Nota: Herrera(1998)
108
4.11.2 Confiabilidad del instrumento

Se realizó el análisis de fiabilidad en el programa estadístico SPSS Estatistics
22.0 al instrumento aplicado a los dueños del problema (35 trabajadores) de la empresa
agraria azucarera Andahuasi.
Se obtuvo una fiabilidad de 0,95 (tabla 44), este instrumento estuvo conformado por
40 ítems, distribuidos en 3 dimensiones para la variable Independiente (control
estadístico de procesos) y una dimensión general para la variable dependiente
(productividad).
Tabla 43: Resumen del procesamiento de los casos.

N %
Casos Validos 35 100,0
Excluidos 0 0
Total 35 100,0
Tabla 44: Alpha de Cronbach aplicado al instrumento.

Alfa de Cronbach N de elementos
0,951 40
De acuerdo al resultado obtenido el instrumento tiene una confiabilidad perfecta, según

la escala de Herrera (1998), como se muestra a continuación en la siguiente (tabla 45).
Tabla 45: Escala de confiabilidad.
Escala Indicador
0,00 – 0,53 Confiabilidad Nula
0,54 – 0,64 Confiabilidad Baja
0,65 – 0,69 Confiable
0,70 – 0,80 Muy Confiable
0,81 – 0,94 Excelente Confiabilidad
0,95 – 1,00 Confiabilidad Perfecta
Nota:Herrera ( 1998)
4.11.3 Modelamiento de la investigación

Se realiza el análisis de los datos cuantitativos, para determinar el modelo matemático
de la investigación, se utilizó el programa XLStat- Pro versión 7.5.2, El cual nos
permitió obtener los coeficientes de correlación que se muestra en la (tabla 48), de la
relación de la variable Independiente (X) control estadístico de procesos que tienen
como dimensión (Gráfica de control, estabilidad de procesos y capacidad de procesos)
con la variable dependiente (Y) productividad.
109
Tabla 46: Dimensiones vs variable dependiente- año2016.

Estabilidad Capacidad del
Gráfico de control Productividad
Mes del proceso proceso
(% de sacarosa)
(cálculos) (cálculos)
1 3,783 1,307 0,302 2,01
2 2,561 1,345 0,298 2,03
3 2,413 1,164 0,233 2,06
4 2,278 1,064 0,269 2,07
Tabla 47: Escala de correlación.

Escala Indicador
0,00 – 0,19 Correlación nula
0,20– 0,39 Correlación baja
0,40 – 0,69 Correlación moderada
0,70 – 0,89 Correlación alta
0,90 – 0,99 Correlación muy alta
1,00 Correlación grande y perfecta
Nota:Herrera ( 1998)
 Se ingresó la información y los resultados obtenidos de la correlación fueron:
Tabla 48. Coeficiente de correlación

R (coeficiente de correlación) 0,771
R² (coeficiente de determinación) 0,595
R²aj. (coeficiente de determinación ajustado) 0,216
SCR 0,002
Nota: Elaboración propia a partir de los resultados del software XL Stat
 Se obtuvo como resultado el cálculo del R = 0,771, para la correlación entre las
variables dependiente e independiente, lo cual implica una correlación alta.
Asimismo se obtiene la ecuación matemática que describe el modelo:
Tabla 49. Parámetros del modelo y ecuación del modelo

Límite Límite
Desviación t de
parámetro Valor Pr > t inferior superior 95
típica Student
95 % %
intersección 2.495 0.258 9.664 0.066 -0.785 5.776
Grafica de control -0.028 0.048 -0.588 0.661 -0.637 0.581
Estabilidad de
-0.130 0.255 -0.510 0.700 -3.375 3.115
procesos
Nota: Elaboración propia a partir de los resultados del software XL Stat.
Productividad = 2,495 -2,819*Gráfico de control -0,130*Estabilidad del proceso

110
 Se procede también a realizar el análisis mediante la contrastación de las tres

dimensiones con la variable Productividad mediante un análisis de
similaridad/disimilaridad en el XL Stat.
Tabla 50. Matriz de correlaciones
Gráfico de Estabilidad de Capacidad
Productividad
control proceso de proceso
Media sacarosa 1,000 0,588 0,611 0,699
Estabilidad de proceso 0,588 1,000 0,684 -0,674
Capacidad de proceso 0,611 0,684 1,000 -0,992
Productividad 0,699 -0,674 -0,992 1,000
En negrita, valores significativos (fuera diagonal) al umbral alfa=0,050
(prueba bilateral)
Del análisis se observa que la dimensión capacidad de proceso, tiene una correlación
muy alta con la productividad, mientras que las otras dimensiones no tienen impacto
significativo en esta variable. La causa principal se basaría en que la capacidad de
proceso, se enfoca en cumplir las especificaciones del cliente, por lo tanto mientras
nuestros datos de sacarosa cuenten con menos variación, menor media, y se encuentren
dentro de los límites de control especificados, la productividad se verá afectada. Esta
correlación señala que mientras no se cumpla con las especificaciones indicadas, con
respecto a la perdida de sacarosa, esto afectara a la productividad y finalmente a la
economía de la empresa.
Asimismo, la media de sacarosa tiene una muy alta correlación con la capacidad de
procesos y estabilidad de proceso. Esto significa que la media de sacarosa es influyente
en que exista una buena capacidad y estabilidad, además por estar muy vinculada con
la desviación estándar, por lo tanto una menor media llevara a una capacidad más alta
y a la vez una estabilidad muy baja.
Modelamientos parciales de la investigación
Es necesario hacer cálculos de manera parciales con la finalidad de poder dar respuestas
a los problemas y objetivos específicos de la investigación.
a) Gráfico de control (D1)-Productividad (Y)

En este desarrollo se pretende evaluar la relación existente entre la dimensión
D1 (gráfico de control) y productividad a fin de responder el problema
específico 1 y el objetivo específico 1 de la investigación.
111
Tabla 51: Coeficiente de correlación (gráfico de control y productividad)

SCR 0,003
El resultado obtenido nos muestra una correlación R = 69.9%, lo significa que

entre las variables gráfico de control y productividad existe un grado de correlación
moderada, según la escala de la (tabla 47).
Tabla 52: Parámetros del modelamiento parcial (gráfico de control y
productividad)
Límite Límite
Desviación t de
típica Student
95 % %
intersección 2,376 0,087 27,342 0,001 2,002 2,750
Grafica de control -0,043 0,031 -1,384 0,301 -0,175 0,090
La ecuación del modelo es:
Productividad = 2,375 -4,258*Gráfico de control
b) Estabilidad de procesos (D2)-Productividad (Y)

D2 (estabilidad de procesos) y productividad a fin de responder el problema
específico 2 y el objetivo específico 2 de la investigación.
Tabla 53: Coeficiente de correlación (estabilidad de procesos y productividad)

SCR 0,003
El resultado obtenido nos muestra una correlación R = 67.4%, lo significa que

moderada, según la escala de la (tabla 47).
112
Tabla 54: Parámetros del modelamiento parcial (estabilidad de procesos y

productividad)
Límite Límite
Desviación t de
típica Student
95 % %
intersección 2.525 0.208 12.160 0.007 1.632 3.419
Estabilidad de
procesos -0.219 0.169 -1.291 0.326 -0.948 0.511
La ecuación del modelo se escribe:

Productividad = 2,525 -0,218*Estabilidad del proceso
c) Capacidad de procesos D3- Productividad (Y)

D3 (capacidad de procesos) y productividad a fin de responder el problema
específico 3 y el objetivo específico 3 de la investigación
Tabla 55: Coeficiente de correlación (capacidad de procesos y productividad)

SCR 0,000
El resultado obtenido nos muestra una correlación R = 99,9%, lo significa que
muy alta, según la escala de la (tabla 47).
Tabla 56: Parámetros del modelamiento parcial (capacidad de procesos y

productividad)
Límite Límite
Desviación t de
típica Student
95 % %
intersección 2,619 0,032 80,786 0,000 2,480 2,759
Capacidad de
procesos -1,311 0,117 -11,192 0,008 -1,814 -0,807
La ecuación del modelo es:
Productividad = 2,619 -1,310*Capacidad del proceso
4.11.3.1 Análisis de correlación cualitativa
Los resultados obtenidos a través de las encuestas realizadas se procedieron a

calcular los puntajes totales para las tres dimensiones: Gráfica de control, estabilidad
113
de proceso y capacidad de procesos correspondientes a la variable x (control estadístico

de procesos), así como los puntajes total para la variable y (productividad).
Los totales obtenido son procesados en el software XL Stat mediante el análisis de
correlación de las variables, teniendo en cuenta la siguiente escala.
Tabla 57: Escala de correlación.

Escala Indicador
0,00 – 0,19 Correlación Nula
0,20 – 0,39 Correlación Baja
0,40 – 0,69 Correlación moderada
0,70 – 0,89 Correlación alta
0,90 – 0,99 Correlación muy alta
1,00 Correlación grande y perfecta
Tabla 58: Coeficiente de correlación

SCR 10,0643
Nota: Elaboración propia de los resultados del software XLstat.
 Se observa que, según la opinión de los usuarios que laboran en el área de

trapiche (molienda de caña) de la empresa agraria Azucarera Andahuasi S.A.A.,
que se ven afectados por el problema determinan que hay correlación entre la
variable de control estadístico de proceso y la productividad obteniendo un
coeficiente de correlación (R= 0.698) de acuerdo a la escala de correlación
existe una correlación moderada entre las variables.
4.11.3.2 Contrastación de las hipótesis de la investigación
Para la contratación de las hipótesis se utilizaron los valores cuantitativos del

instrumento documental (Control estadístico de procesos y Productividad) en las
categorías comprendidas dentro de la escala de Likert con el fin de dar respuesta a las
hipótesis planteadas en la matriz de consistencia.
Contrastación de la hipótesis general

1° Formulación de las hipótesis
𝑯𝟎 : El control estadístico de proceso para pérdidas de sacarosa en el bagazo, no se
relaciona con la productividad en el área trapiche de la empresa Agraria Azucarera
114
𝑯𝟏 : El control estadístico de proceso para perdidas de sacarosa en el bagazo, se

relaciona con la productividad en el área trapiche de la empresa Agraria Azucarera
Andahuasi S.A.A.- Sayán 2016.
2° Nivel de significancia α = 5%
3° Estadístico de prueba 𝑋 2 𝑐𝑟í𝑡𝑖𝑐𝑎(𝑔𝑙; 𝛼)
4° Establecer el criterio de decisión

Se rechazará la 𝐇𝟎 si: 𝑋 2 𝑐𝑟í𝑡𝑖𝑐𝑎 < 𝑋 2 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜
Si se rechaza la 𝐇𝟎 de independencia; entonces las dos variables son dependientes, es
decir existe relación entre ambas,
5° Cálculos
Tabla de contingencia y frecuencias esperadas
La (tabla 59); consolida las respuestas del instrumento de la investigación en valor

cuantitativo según la escala de Likert que corresponden las variables control estadístico
de procesos (X) y productividad (Y), asimismo consolida las frecuencias esperadas
según el cálculo respectivo con la ecuación,
𝑓𝑟 ∗𝑓𝑘
𝑓𝑒 = 𝑛
Tabla 59: Tabla de contingencia y frecuencias esperadas (x-y)

Productividad (Y)
Ni de
acuerdo
En De Muy de Total
ni en
desacuerdo acuerdo acuerdo
desacuer
do
Recuento 0,2 1 0 0 3
Control estadístico de procesos
En
Frecuencia
desacuerdo 0,2 0,4 2,0 4 3,0
esperada
Ni de Recuento 0 2 1 0 3
acuerdo ni Frecuencia
en esperada 0,2 0,4 2,0 0,4 3,0
(X)
desacuerdo
Recuento 0 2 20 5 27
De acuerdo Frecuencia
1,5 3,9 17,7 3,9 27,0
esperada
Recuento 0 0 2 0 2
Muy en
Frecuencia
acuerdo 1 3 3 0,3 2,0
esperada
Total Frecuencia
2,0 5,0 23,0 5,0 35,0
esperada
115
Dónde:
𝑓𝑒 : Frecuencia esperada
𝑓𝑟 : Frecuencia total de una fila
𝑓𝑘 : Frecuencia total de una columna
Por ejemplo, el cálculo de la frecuencia esperada para la fila 1, columna 1 es:
𝑓𝑟 ∗ 𝑓𝑘 3 ∗ 2
𝑓𝑒 = = = 0,2
𝑛 35
Grados de libertad
Para el cálculo de los grados de libertad se considera la ecuación.
𝑔𝑙 = (𝑟 − 1)(𝑘 − 1)
Dónde:
gl: Grados de libertad
r: Número de filas
k: Número de columnas
Por lo tanto: 𝑔𝑙 = (𝑟 − 1)(𝑘 − 1) = (4 − 1)(4 − 1) = 9
Valor crítico para el estadístico de prueba
𝑋 2 𝑐𝑟í𝑡𝑖𝑐𝑎(𝑔𝑙; 𝛼) = 𝑋 2 𝑐𝑟í𝑡𝑖𝑐𝑎(𝑔𝑙 = 9; 𝛼 = 0,05) = 16,9
Valor calculado para el estadístico de prueba.
El estadístico de prueba chi cuadrada, se calcula con la ecuación,
(𝑓𝑜 −𝑓𝑒 )2
𝑋 2 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜 = 𝛴 𝑓𝑒
Dónde:
X 2 : Estadístico de prueba chi cuadrada
fo : Frecuencia observada
fe : Frecuencia esperada
Por lo tanto:
2
(𝑓𝑜 − 𝑓𝑒 )2 (2 − 0,2)2 (1 − 0,4)2 (2 − 3)2 (0 − 0,3)2
𝑋 =𝛴 = + +⋯+ +
𝑓𝑒 0,2 0,4 3 0,3
𝑋 2 = 33,31
116
6° Toma de decisión
Como 𝑋 2 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜 = 33,31 es mayor a 𝑋 2 𝑐𝑟í𝑡𝑖𝑐𝑜 = 16,92 y cae en la región de
rechazo, entonces rechazamos la 𝐇𝟎 y aceptamos la 𝐇𝟏 , a un nivel de significancia del
5%; es decir, que el control estadístico de proceso para perdidas de sacarosa en el
bagazo, se relaciona significativamente con la productividad en el área trapiche de la
empresa Agraria Azucarera Andahuasi S,A,A, - Sayán 2016.
Contrastación de hipótesis especificas
Se procede a realizarse la contratación de las hipótesis específicas, se utilizara la prueba
chi cuadrado para demostrar si existe relación de las dimensiones de la variable
independiente (Control estadístico de procesos), con la variable dependiente
(Productividad)
Grafica de control ((X1) – Productividad (Y)
𝑯𝟎 : La gráfica de control del porcentaje de sacarosa en el bagazo, no se relaciona con
la productividad en el área de trapiche de la empresa Agraria Azucarera Andahuasi
S.A.A. - Sayán 2016.
𝑯𝟏 : La gráfica de control del porcentaje de sacarosa en el bagazo, se relaciona con la
productividad en el área de trapiche de la empresa Agraria Azucarera Andahuasi S.A.A.
- Sayán 2016.
Tabla 60: Tabla de contingencia y frecuencias esperadas (X1-Y).
Productividad (Y)
En Ni de acuerdo ni De Muy de Total
desacuerdo en desacuerdo acuerdo acuerdo
Recuento 1 2 0 0 3
En
Frecuencia
desacuerdo 0,2 0,4 2,0 0,4 3,0
esperada
Gráfica de control(X1)
acuerdo ni
Frecuencia
en 0,3 0,4 2,0 0,9 3,0
esperada
desacuerdo
1,4 3,6 16,5 3,6 25,0
esperada
Recuento 0 0 4 0 4
Muy de
Frecuencia
acuerdo 0,2 0,6 2,6 6 4,0
esperada
Total Frecuencia
2,0 5,0 23,0 5,0 35,0
esperada
117
Tabla 61: Chi cuadrado (Grafica de control-Productividad)

Sig,
Valor gl Asintótica
(bilateral)
Chi-cuadrado de Pearson 22,769a 9 0,007
Razón de verosimilitudes 21,246 9 0,012
N de casos válidos 35
a, 15 casillas (93,8%) tienen una frecuencia esperada inferior a 5, La
frecuencia mínima esperada es 17,
Toma de decisión
5%; es decir, que la gráfica de control del porcentaje de sacarosa en el bagazo, se
relaciona con la productividad en el área de trapiche de la empresa Agraria Azucarera
Andahuasi S,A,A, - Sayán 2016.
Estabilidad de procesos (X2) – Productividad (Y)
𝑯𝟎 : La estabilidad de procesos de obtención de sacarosa en el jugo, no se relaciona
con la productividad en el área de trapiche de la empresa Agraria Azucarera Andahuasi
𝑯𝟏 : La estabilidad de procesos de obtención de sacarosa en el jugo, se relaciona con la

- Sayán 2016.
Tabla 62: Tabla de contingencia y frecuencias esperadas (X2-Y)
Productividad (Y)
Ni de
En De Muy de Total
acuerdo ni en
desacuerdo
Recuento 2 0 3 0 5
En
Estabilidad de procesos (X2)
Frecuencia
desacuerdo 0,3 1,6 2,4 0,7 5,0
esperada
acuerdo ni
Frecuencia
en 0,5 3,5 4,4 1,3 9,0
esperada
desacuerdo
Recuento 0 6 9 3 18
1,0 6,1 8,7 2,6 18,0
esperada
Recuento 0 0 2 1 3
Muy en
Frecuencia
acuerdo 2 0,7 1,5 0,4 3,0
esperada
Recuento 2 11 17 5 35
Total Frecuencia
2,0 11,0 17,0 5,0 35,0
esperada
118

Tabla 63: Chi cuadrado (estabilidad de procesos - Productividad)

Sig,
(bilateral)
a, 15 casillas (87,5%) tienen una frecuencia esperada inferior a 5, La
frecuencia mínima esperada es 17
Toma de decisión
Como 𝑋 2 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜 = 18,588 es mayor a 𝑋 2 𝑐𝑟í𝑡𝑖𝑐𝑜16,92 y cae en la región de

5%; es decir, que La estabilidad de procesos de obtención de sacarosa en el jugo, se
Andahuasi S, A, A, - Sayán 2016.
Capacidad de procesos (X3) – Productividad (Y)
𝑯𝟎 : La capacidad de proceso de obtención de sacarosa en el jugo, no se relaciona con

la productividad en el área de trapiche de la empresa Agraria Azucarera Andahuasi
𝑯𝟏 : La capacidad de proceso de obtención de sacarosa en el jugo, se relaciona con la

- Sayán 2016.
119
Tabla 64: Tabla de contingencia y frecuencia esperadas (X3- Y)

Productividad (Y)
Ni de
acuerdo ni
En De Muy de Total
en
desacuerd
o
Recuento 2 0 0 1 5
En
Frecuencia
Capacidad de procesos (X2)
desacuerdo 0,2 0,7 1,7 0,4 3,0

esperada
acuerdo ni
Frecuencia
en 0,3 1,4 3,4 0,9 9,0
esperada
desacuerdo
1,3 5,0 12,6 3,1 18,0
esperada
Recuento 0 1 3 0 3
Muy en
Frecuencia
acuerdo 2 0,9 2,3 0,6 3,0
esperada
Total Frecuencia
2,0 8,0 20,0 5,0 35,0
esperada
Tabla 65: Chi cuadrado (Capacidad de procesos- Productividad).

Sig,
(bilateral)
a. 15 casillas (87,5%) tienen una frecuencia esperada inferior a 5, La frecuencia
mínima esperada es 17.
Toma de decisión
5%; es decir, que la capacidad de proceso de obtención de sacarosa en el jugo, se
Andahuasi S,A,A, - Sayán 2016.
120
CAPÍTULO V: DISCUSIÓN, CONCLUSIONES

RECOMENDACIONES.
5.1 Discusión:
1. En la presente investigación, el uso de las herramientas del control estadístico de
procesos, nos permitieron determinar la situación actual del proceso de molienda,
específicamente en el incremento de la perdida de sacarosa en el bagazo,
ocasionando un efecto en pérdidas de productividad y económicas, además el
control estadístico permitió identificar las causas que ocasionaban este
incremento de perdidas, logrando una disminución tanto en pérdidas de sacarosa,
y a la vez generando un incremento en la productividad que se ve reflejado en
mayores utilidades, coincidiendo con lo obtenido por (Torres, Aplicación CEP
control estadistico de procesos para mejorar los procesos de producción en el area
de acabado sección esmaltado., 2009), en cuyo trabajo se logró identificar los
principales defectos que producen importantes pérdidas a la empresa originado
por una falta de control en los ajustes de los esmaltes.
2. Al igual que Sacoto y Esquivel (2008), considero como dimensión: cartas de
control de variables en razón de que el proceso permitió su aplicación, en el
proceso, sin embargo en el área de empaque se podría analizar una carta de control
por atributos sin una opción de aplicar.
3. Al igual que (Gomez, Control estadistico del proceso bajo la metodologia seis
sigma aplicado en el proceso de beneficio de bovinos de frigorifico Vijagual S.A.,
2010), se consideró como dimensión: capacidad de procesos, realizando un
análisis de capacidad para el variable porcentaje de carbonato de calcio. Donde
se obtuvo para el primero y segundo turno para suela y caña un cpk< 1 y una clase
o categoría de proceso igual a 4, lo que indico que el proceso no era el adecuado
para el trabajo debido a que no es capaz de cumplir con las especificaciones.
5.2 Conclusiones
 Según datos cuantitativos, se determinó una correlación moderada entre el
control estadístico de procesos y la productividad en la empresa Agraria
Azucarera Andahuasi S.A.A., los cuales tuvieron una correlación de R = 0,771.
Esto significa que el estado de los elementos que componen al control
estadístico de procesos en conjunto han influido en la productividad de la
empresa a lo largo de los meses y, con ello, también se puede hablar
económicamente, la relación obtenida fue: Productividad = 2,495 -
121
2,819*Gráfico de control -0,130*Estabilidad del proceso, para los

colaboradores que laboran en la empresa, se establece también una relación
moderada entre ambas variables, siendo el R = 0,698. Esto significa que
consideran que hay relación entre ambas variables, y aseguran de que un buen
uso del control estadístico de procesos ayuda a mejorar la productividad.
 Se realizó el análisis de situación actual del área de trapiche, obteniendo como
resultado que la perdida de sacarosa actual es 2,4% y con la propuesta se logra
disminuir la perdida de sacarosa en el bagazo a 2,1%, se logra aumentar la
productividad de 2,01 a 2,07, se logró aumentar las utilidades de s/. 183,427
 A partir del gráfico de control, se consideró como medida cuantitativa a la
media de las muestras de sacarosa. Se determinó que la gráfica de control tiene
efecto con respecto a la productividad, obteniéndose una correlación moderada
según datos cuantitativos de R=69,9%, obteniendo un modelo matemático de:
Productividad = 2,375 -4,258*Gráfico de control
 La estabilidad de procesos en la empresa Agraria Azucarera Andahuasi S.A.A.
el cual nos muestra si estamos cumpliendo o no las especificaciones del proceso,
para observar en el lapso de tiempo si nuestro proceso será estable, nos
mostraron una correlación moderada con la productividad según datos
cuantitativos R=67,4%, teniendo como resultado el modelo matemático:
Productividad = 2,525 -0,218*Estabilidad del proceso, se determinó que para
los meses de setiembre- diciembre se obtuvo una estabilidad de 1,22, determina
que el proceso para los cuatro meses estuvo estable.
 El procesamiento de los datos cuantitativos muestra una correlación muy alta
de R= 99,9%, entre la capacidad de procesos y la productividad en la empresa
esto implica que el incremento o disminución del índice de capacidad impactan
en que ocurra o no un crecimiento en la productividad, asumiendo esto a que
los datos tienen que encontrarse dentro de las especificaciones, por la tanto la
media y la desviación disminuirán y traerán como resultado el aumento de la
productividad.
También se obtuvo el modelo matemático que describe la relación entre ambas
variables analizadas siendo: Productividad=2,619 -1,310*Capacidad del proceso.
122
5.3 Recomendaciones
 Es importante Implementar un control estadístico de proceso en el área de
trapiche, para poder llegar a tener el proceso bajo control poco a poco con el
tiempo, pues permitirá analizar más factores que influyan en que ocurra perdidas
de sacarosa en el bagazo, lo cual será contribuido hacia la productividad de la
empresa, y finalmente aumentar utilidades.
 Realizar charlas diariamente o semanalmente comunicando al personal los
problemas que están ocurriendo en la empresa, para poder lograr implantar en
el personal una actitud que quiera resolver el problema, y dar lo mejor en la
labor que realiza dentro de la empresa, que pueda ayudar a aumentar la
productividad de la empresa.
 Es vital la capacitación de los responsables de la obtención de la muestra,
además también a los trabajadores del área de trapiche, para que así se logre una
mayor comunicación y puedan apoyarse en resolver los problemas que se
puedan presentar en el área, que conlleven a que existan mayores pérdidas de
sacarosa en el bagazo, pues es perjudicial para toda la empresa. Y necesita ser
controlado lo más pronto posible.
 Una vez hallado y controlado los demás factores que causan la perdida de
sacarosa en el bagazo, realizar estrategias que permitan tener el proceso bajo
control, y tener la media de pérdidas de sacarosa aproximadamente muy cercano
a 2 %, que es lo más óptimo que se podría obtener en la empresa Agraria
Azucarera Andahuasi S.A.A.
123
CAPÍTULO VI: FUENTE DE INFORMACIÓN

6.1. Lista de referencias
Amores, O., & Vilca, L. (2011). Estudio de tiempos y movimientos para mejorar la
productividad de pollos eviscerados en la empresa H&N Ecuador Unicada en
la panamericana Norte Sector Lasso Para el Periodo 2011-2013.
Arcos, M. (Mayo de 2008). Optimización de Procesos de unidades Operativas de una
empresa de Oustsourcing.
Bonilla, E. (2014). Planeación de la producción para el mejoramiento de la
productividad de acoples y capsulas en la compañia impofreico S.A. Obtenido
de http://repositorio.uta.edu.
Bosquez, L. (2005). Aplicación CEP (Control estadisco de procesos) para mejorar el
proceso de producción de tuberías plásticas en "Recuperadora de plásticos
Gallardo".
Cargua, R., & Gavilanes, D. (2009). Diseño de uns istema de operaciones en metodos
y tiempos para mejorar la productividad en las lineas de producción de galleta
y caramelo en industrias alimenticias FENIX.
Carot, V. (2001). Control estadístico de la calidad. Mexico, D.F.: Alfaomega grupo
Editor, S.A. de C.V.
Cevallos, M. (2012). Control de calidad y productividad en la construcción del
programa habitacional de iterés social Ciudad Alegría. Obtenido de
http://dspace.utpl.edu.
Changoluisa, M. (2014). Control estadístico del proceso de fabricación de perfiles en
la empresa novacero planta lasso.
Chase, R., Jacobs, R., & Aquilano, N. (2009). Adimistración de operación y cadema de
sum. México D.F.: Mc Graw Hill.
Chase, R., Jacobs, R., & Aquilano, N. (2009). Adminstracion de operaciones
Porducción y cadena de suministros. Mexico D.F.: editores, s.a. de c.v. A
Subsidiary of The McGraw- Hill Companies, Inc.
Chase, R., Jacobs, R., & Aquilano, N. (2009). Adminstracion de operaciones
Porducción y cadena de suministros . Mexico D.F.: editores, s.a. de c.v. A
Subsidiary of The McGraw- Hill Companies, Inc.
Córdiva, I. (2012). El Proyecto de Investigación Cuantitativa. Lima: San Marcos.
124
Enrique, C. (2007). Implementación de un programa de control Estadístico de la

calidad en un empresa dedicada al ensamble de computadoras.
Erazo, D. (Octubre de 2013). Propuesta de mejoramiento de la productividad de la
linea de camisetas interiores en una empresa de confecciones por medio de la
aplicación de herramientas Lean Manufacturing.
Escalante, E. (2011). Analisis y mejoramiento de la calidad. Mexico, D.F.: Limusa,
S.A. DE C.V. Grupo noriega editores.
Escalante, E. (2011). Analisis y mejoramiento de la calidad. Mexico, D.F.: Limusa,
S.A. DE C.V. Grupo noriega editores .
Farje, L. (20 de Abril de 2008). Sistema de control de procesos para el aseguramiento
de la calidad en la producción de harina de pescado.
García, R. (2005). Estudio del trabajo, Ingeniería de métodos y medición del trabajo
(Segunda ed.). México, México: McGraw Hill.
García, R. (2005). Estudio del trabajo, Ingeniería de métodos y medición del trabajo
(Segunda ed.). México, México: McGraw Hill.
Garcia, R. (2005). Estudio del trabajo, ingenieria y medición del trabajo. Mexico, D F:
MC Graw Hill.
Gomez, A. (2010). Control estadistico del proceso bajo la metodologia seis sigma
aplicado en el proceso de beneficio de bovinos de frigorifico Vijagual S.A.
Gutiérrez, H., & De la Vara, R. (2009). Control estadistico de calidad y seis sigma.
Mexico, D F: The Mc Graw- Hill.
Heizar, J., & Render, B. (2009). Administración de operaciones. Mexico, D F: Person
Educación de Mexico, S.A. de CV.
Heizar, J., & Render, B. (2009). Administración de operaciones . Mexico, D F: Person
Educación de Mexico, S.A. de CV.
Horngren, C. (2008). Contibilidad de costos.
Kanawaty, G. (2012). Introducción del esl estudio del trabajo. Cpoyright Gnebra,
Organización Internacional del Trabajo.
Martínez, A. (2006). Capacidades competitivas en la industria del calzado en León.
Mejía, G. (2005). Propuesta de un modelo de direccionamiento estrategico basado
herramientas estadisticas aplicado a la empresa Brenntag Colombia S.A.
Molina, V. (2013). Plan agregado de producción para el mejoramiento de la
productividad de la empresa ecuatoriana de curtidos S.A.
125
Montgomery, D., & Runger, G. (2009). Probalidad y estadística aplicadas a la

ingenieria.
Otra Badenes, R. (2012). Sistemas Integrados de Gestión Empresarial (Primera ed.).
Valencia, España: universitat politècnica de valència.
Parrales, V., & Tamayo, J. (2012). Diseño de un modelo de gestión estrategico para el
mejoramiento de la productividad y calidad aplicado a una planta procesadora
de alimentos balanceados.
Prats, J. (2005). Control Estadístico de Procesos mediante analisis multivariante de
imágenes.
Sacoto, M., & Esquivel, K. (2008). Aplicación de un sistema de Control Estadístico de
Procesos en la áreas de producción de cemento en compañia industrias Guapan
S.A. Obtenido de http://dspace.ups.edu.
Sanchéz, Á. (Agosto de 2011). La producción agraria y la biodiversidad en la
normativa agraria de la comunidad autónoma de la roja. Obtenido de
http://www.unirioja.es
Torres, H. (2009). Aplicación CEP control estadistico de procesos para mejorar los
procesos de producción en el area de acabado sección esmaltado. Obtenido de
http://repositorio.ug.edu.
Tristán, R. (2005). Analisis de la productividad del departamento de mantenimiento de
palntas de petroquimica tula,S.A de C.V.
Vaca, C. (2009). La administración pro procesos en la productividad de las empresas.
Valencia, P. (2010). Desarrollo de una interfaz para el control estadístico de procesos
utilizando herramientas de matlab.
Veles, E. (2009). Control estadistico de los indicadores de calidad de calzado de
palastico.
Vignatti, M. (2007). Licenciatura en diseño de la comunicación Visual. Obtenido de
http//www.mailxmail.com/curso-marketing-produccioncostes/marketing-
definicion-objetivos-producción
126
ANEXOS
127
Anexo 1:Matriz de consistencia - CONTROL ESTADÌSTICO DE PROCESOS PARA PÈRDIDAS DE SACAROSA EN EL BAGAZO Y
PRODUCTIVIDAD EN EL ÁREA DE TRAPICHE- EMPRESA AGRARIA AZUCARERA ANDAHUASI S.A.A. - SAYÁN 2016.
Problema general Objetivo general Hipótesis general Variables Indicadores Método
¿En qué medida el control El control estadístico de procesos DISEÑO: Sera de tipo no
Determinar la relación entre el X: Variable 1 experimental, en su variante
estadístico de procesos para para pérdidas de sacarosa en el
control estadístico de procesos Control estadistico de descriptivo correlacional.
pérdidas de sacarosa en el bagazo, se relaciona
para pérdidas de sacarosa en el procesos
bagazo, se relaciona con la significativamente con la
bagazo y la productividad en el
productividad en el área de productividad en el área de
área de trapiche de la empresa
trapiche de la empresa Agraria trapiche de la empresa Agraria D1.1: Porcentaje de
Agraria Azucarera Andahuasi S.A.A. D1: Grafica de Control
Azucarera Andahuasi S.A.A. - Azucarera Andahuasi S.A.A. - Sayán sacarosa
- Sayán 2016.
Sayán 2016? 2016.
D2.1: Índice de
D2: Estabilidad de Dónde:
Problemas específicos Objetivos específicos Hipótesis específicos estabilidad del proceso
procesos M: Muestra
¿De qué manera la gráfica de Analizar la relación entre la gráfica La gráfica de control del D3.1: Índice de Ox: Observación de la V, I,
control del porcentaje de de control del porcentaje de porcentaje de sacarosa en el capacidad del proceso Oy: Observa
sacarosa en el bagazo, se sacarosa en el bagazo y la bagazo, se relaciona con la D3: Capacidad de
r: coeficiente de correlación
relaciona con la productividad en productividad en el área de productividad en el área de procesos
el área de trapiche de la empresa trapiche de la empresa Agraria trapiche de la empresa Agraria TIPO, según su:
Agraria Azucarera Andahuasi Azucarera Andahuasi S.A.A. - Azucarera Andahuasi S.A.A. - Sayán El tipo de investigación es:
S.A.A. - Sayán 2016? Sayán 2016. 2016. Finalidad, aplicada.
Alcance temporal, longitudinal.
¿Qué relación existe entre la Calcular la relación entre la
La estabilidad de procesos de Profundidad, explicativa.
estabilidad del procesos de estabilidad de procesos de Carácter de medida, cuantitativa.
obtención de sacarosa en el jugo , d1.1: Resultado
obtención de sacarosa en el jugo, sacarosa en el jugo, y la ENFOQUE: El presente estudio
se relaciona con la productividad Y: Variable 2 alcanzado
y la productividad en el área de productividad en el área de será una investigación
en el área de trapiche de la Productividad d1.2: Resultado
trapiche de la empresa Agraria trapiche de la empresa Agraria
empresa Agraria Azucarera esperado cuantitativa y el paradigma
Azucarera Andahuasi S.A.A. - Azucarera Andahuasi S.A.A - Sayán
Andahuasi S.A.A. - Sayán 2016. deductivo, puesto que se utilizará
Sayán 2016? 2016. los datos obtenidos del trabajo
de campo.
¿Qué relación existe entre la Determinar la relación entre la
La capacidad de proceso de
capacidad de proceso de capacidad de proceso de Población: trabajadores del área
obtención de sacarosa en el jugo, d2.1: Recursos
obtención de sacarosa en el jugo, obtención de sacarosa en el jugo, d1: Eficacia de trapiche y los de laboratorio
se relaciona con la productividad utilizados
y la productividad en el área de y la productividad en el área de (35)
en el área de trapiche de la d2.2: Recursos
trapiche de la empresa Agraria trapiche de la empresa Agraria d2: Eficiencia Muestra: Se aplicará una
empresa Agraria Azucarera estimados
Azucarera Andahuasi S.A.A. - Azucarera Andahuasi S.A.A. - muestra censal,
Andahuasi S.A.A.- Sayán 2016.
Sayán 2016? Sayán 2016.
128
Anexo 2: Instrumentos de la investigación
CUESTIONARIO
Área de trabajo: _____________________________________________________ Fecha: ____________
I, PRESENTACIÓN: Los tesistas Christian R, Espinoza Aroni y Banesa M, Flores Trujillo de la EAP
Ingeniería Industrial de la FIISI, UNJFSC-Huacho, han desarrollado la tesis titulada: control estadístico de
procesos para pérdidas de sacarosa en el bagazo y productividad en el área de trapiche - empresa agraria
azucarera Andahuasi S,A,A, Sayán 2016, cuyo objetivo es Determinar la relación entre el Control
Estadístico de proceso para perdidas de sacarosa en el bagazo y productividad en el área de trapiche
de la empresa Agraria Azucarera Andahuasi S,A,A, - Sayán 2016,
Beneficiando así a cada una de las personas que viven de esta actividad y en donde dicha tesis se considera
factible.
Por tanto, es importante que usted ANÓNIMAMENTE nos facilite sus puntos de vista a los factores o
aspectos más importantes considerados.
II. INSTRUCCIONES:
2.1.La información que Ud, nos brinde es personal, sincera y anónima.
2.2. Marque sólo una de las respuestas de cada pregunta, que Ud, considere la opción correcta,
2.3.Debe contestar todas las preguntas.
III. ASPECTOS GENERALES:

3.1. GÉNERO ( ) Masculino ( ) Femenino
3.2. EDAD ( ) 18 a 23 años ( ) 24 a 29 años ( ) 30 a 35 años

( ) 35 a 43 años ( ) 44 a 49 años ( ) 50 a más años
3.3. NIVEL DE INSTRUCCIÓN ( ) Primaria ( ) Secundaria ( ) Universitaria
3.4. EXPERIENCIA EN EL ÁREA DE TRABAJO

( ) 1 año ( ) 2 años ( ) 3 años ( ) 4 años ( ) 5 años ( ) 6 años a más
Escala de Calificación
1 2 3 4 5
Ni de
acuerdo ni
Muy en En
en De acuerdo Muy de acuerdo
desacuerdo desacuerdo
desacuerd
o
Dimensiones del control estadístico de procesos y productividad

Estabilidad de
Grafica de control Capacidad de proceso Productividad
procesos
(1 al 10) (11al 20) (21 al 30) (31 al 40)
129
I. Gráfico de control Califique usted cada pregunta del 1 al 5 Calificación

N° Preguntas 1 2 3 4 5
1 La gráfica le indica el nivel de la calidad de sacarosa
2 La grafica nos pueden mostrar que existen perdidas de sacarosa
3 Si un gráfico indica perdidas, perdemos dinero
4 La gestión de la calidad es permanente
5 Sobrepasar el límite máximo de sacarosa en el bagazo, es perder dinero en la empresa
Podemos conocer las causas que originaron que los análisis de sacarosa en el bagazo
6
Estén elevados,
7 Es posible saber los niveles de producción al ver la grafica
8 Sabiendo la hora de la lectura es posible conocer la causa de una lectura critica
9 Posible conocer que proceso es el indicador critico
10 La grafica ayudaría si existieran alarma automática
II. Estabilidad de proceso Califique usted cada pregunta del 1 al 5 Calificación

11 La empresa se preocupa por mantener estable el proceso de molienda
12 Si el proceso es estable se obtiene menos perdidas de sacarosa en el bagazo
13 La empresa se beneficia si se cumple con las especificaciones del proceso
14 Con determinar la estabilidad del proceso contribuye en la mejora del proceso
15 Las maquinarias ayudan a que el proceso de molienda se encuentre estable
Si identificamos los factores que influyen en la perdida de sacarosa en el
16
bagazo, el proceso estará estable
Tener estabilidad del proceso de obtención de jugo, ayudara a reducir las pérdidas de
17
sacarosa en el proceso
El comportamiento del nivel de sacarosa en el bagazo genera la inestabilidad del
18
Proceso de molienda,
Un proceso estable garantiza cumplir con la especificación para minimizar la pérdida
19
de sacarosa en el bagazo
20 Medir constantemente la estabilidad del proceso, asegura tener un proceso bajo control,
130
III. Capacidad del proceso Califique usted cada pregunta del 1 al 5 Calificación
Cuando los valores de la sacarosa en el bagazo son muy dispersos podemos
21
perder el control del proceso.
22 Tener el proceso bajo control implica estar dentro de los limites
Ampliar los límites de control de sacarosa en el bagazo no asegura la calidad del
23
producto.
La muestra de sacarosa en el bagazo que se obtienen del proceso, cumple con
24 las
Especificaciones de la empresa.
25 No cumplir con las especificaciones del proceso, es perjudicial para la empresa.
Cumplir con los niveles esperados de sacarosa en el bagazo, ayudan
26
económicamente a la empresa.
Controlar el proceso, me permitirá saber si mi proceso cumple con las
27
especificaciones de sacarosa en el bagazo.
Determinar la capacidad del proceso, nos ayuda a ver si cumplimos con las
28
especificaciones.
Medir constantemente la capacidad del proceso, me permite tener el control del
29
proceso.
La capacidad del proceso, nos dice que nuestro proceso es capaz de cumplir con
30
las especificaciones tanto con el cliente como la empresa.
IV. Productividad Califique usted cada pregunta del 1 al 5 Calificación

31 Se obtiene más sacos de azúcar si perdemos menos sacarosa en el bagazo.
Si las muestras de sacarosa de bagazo se encuentran dentro de los limites, la producción
32
Aumentará.
Los limites que se dan en el proceso sobre la sacarosa en el bagazo, ayudan a darnos cuenta de
33
Las pérdidas de sacarosa.
34 Las pérdidas de sacarosa en el bagazo se reflejan en dinero perdido.
35 La productividad aumenta si se reduce la sacarosa que se pierde en el bagazo.
Mayores muestras de sacarosa en el bagazo, nos ayudan a controlar la perdida de
36
Sacarosa en el bagazo.
37 Con un proceso capaz, y bajo control aumentara la productividad
Cuando los valores de sacarosa en el bagazo se sitúan en la parte superior de la gráfica, la
38
Productividad aumenta,
Cuando los valores de sacarosa en el bagazo se sitúan en la parte superior de la gráfica, la
39
Productividad disminuye.
40 El mayor aprovechamiento de los recursos aumenta la productividad
131
Anexo 3: Formato de validez del instrumento
JUICIO DE EXPERTO
CONTROL ESTADÍSTICO DE PROCESO PARA PÈRDIDAS DE SACAROSA EN EL BAGAZO Y

LA PRODUCTIVIDAD DE LA EMPRESA AGRARIA AZUCARERA ANDAHUASI S, A, A, -
SAYÁN 2016.
Instrucción: Luego de analizar y cotejar el instrumento de Investigación "Control estadístico de procesos
y Productividad" con la matriz de consistencia de la presente, le solicitamos que en base a su Criterio y
Experiencia Profesional, valide dicho instrumento para su aplicación,
De acuerdo con los siguientes indicadores califique cada uno de los ítems según corresponda:
CRITERIO CALIFICACIÓN INDICADOR
SUFICIENCIA: 1, No cumple con el criterio Los ítems no son suficientes para medir la dimensión,
Los ítems que Los ítems miden algún aspecto de la dimensión pero no
pertenecen a una 2, Bajo nivel
corresponden con la dimensión total,
misma dimensión Se deben incrementar algunos ítems para poder evaluar
bastan para 3, Moderado nivel
la dimensión complementaria,
obtener la
medición de ésta, 4, Alto nivel Los ítems son suficientes,
1, No cumple con el criterio El ítem no es claro,
CLARIDAD: El El ítem requiere bastantes modificaciones o una
ítem se comprende modificación muy grande en el uso de las palabras de
2, Bajo nivel
fácilmente, es acuerdo con su significado o por la ordenación de las
decir, su sintáctica mismas,
y semántica son Se requiere una modificación muy específica de algunos
adecuadas, 3, Moderado nivel
de los términos del ítem,
4, Alto nivel El ítem es claro, tiene semántica y sintaxis adecuada,
COHERENCIA: 1, No cumple con el criterio El ítem no tiene relación lógica con la dimensión,
El ítem tiene 2, Bajo nivel El ítem tiene una relación tangencial con la dimensión,
relación lógica El ítem tiene una relación moderada con la dimensión
con la dimensión 3, Moderado nivel
que está midiendo,
o indicador que El ítem se encuentra completamente relacionado con la
está midiendo, 4, Alto nivel
dimensión que está midiendo,
El ítem puede ser eliminado sin que se vea afectada la
RELEVANCIA: 1, No cumple con el criterio medición de la dimensión,
El ítem es esencial El ítem tiene alguna relevancia, pero otro ítem puede
o importante, es 2, Bajo nivel
estar incluyendo lo que mide éste,
decir debe ser 3, Moderado nivel El ítem es relativamente importante,
incluido,
4, Alto nivel El ítem es muy relevante y debe ser incluido,
Calificación de los Ítems del Cuestionario "Control estadístico de procesos y Productividad":
Puntuación
Criterio de Validez Argumento Observaciones y/o Sugerencias
1 2 3 4
Suficiencia
Claridad
Coherencia
Relevancia
Total Parcial
TOTAL
Puntuación:
De 4 a 6: No válida, reformular De 10 a 12: Válido, mejorar
De 7 a 9: No válido, modificar De 13 a 16: Válido, aplicar
Apellidos y Nombres
Grado Académico ____________________
Registro CIP Firma
132
Anexo 4: Documento de la validez del instrumento.

133
Anexo 5: Documento obtenido del programa turnitin.

Tesis Control Estadistico y Productividad

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Tesis Control Estadistico y Productividad

Uploaded by

Copyright:

Available Formats

UNIVERSIDAD NACIONAL

JOSÉ FAUSTINO SÁNCHEZ CARRIÓN

FACULTAD DE INGENIERÍA INDUSTRIAL, SISTEMAS É

CONTROL ESTADÍSTICO DE PROCESOS PARA

Control estadístico de procesos para pérdidas de sacarosa en el bagazo y

CHRISTIAN RENATO ESPINOZA ARONI

BANESA MARILUZ FLORES TRUJILLO

Universidad Nacional José Faustino Sánchez Carrión

Nota de los autores:

Estudiantes de la Facultad de Ingeniería Industrial, Sistemas e Informática, de

la Escuela Profesional de Ingeniería Industrial, presentamos nuestro Proyecto de Tesis

para desarrollar nuestra Tesis con la finalidad de obtener el título profesional de

Ingeniero Industrial; esta investigación será desarrollada de forma conjunta y el

financiamiento económico será propio de los autores; debemos reconocer las

Sotelo. Para poder elaborar nuestro proyecto de tesis.

ASESOR Y MIEMBROS DEL JURADO EVALUADOR

A mis amados padres Isabel y Valdomero, por darme la

A mis padres Ernesto Flores y Flora Trujillo

El apoyo de los Ingenieros Jaime Eduardo Gutiérrez

El apoyo de los Ingenieros Jaime Eduardo Gutiérrez

ASESOR Y MIEMBROS DEL JURADO EVALUADOR ........................................ iii

CONTENIDO ............................................................................................................ viii

LISTA DE FIGURAS ..................................................................................................xii

LISTA DE TABLAS ................................................................................................. xiii

LISTA DE ANEXOS .................................................................................................. xvi

INTRODUCCIÓN ................................................................................................... xviii

CAPÍTULO I: PLANTEAMIENTO DEL PROBLEMA ........................................ 1

1.1 Descripción de la realidad problemática ................................................................ 1

1.2 Formulación del problema .................................................................................... 3

1.2.1 Problema general .................................................................................................. 3

1.2.2 Problemas específicos .......................................................................................... 3

1.3 Objetivos de la investigación ................................................................................. 4

1.3.1 Objetivo general ................................................................................................... 4

1.3.2 Objetivos específicos ............................................................................................ 4

1.4 Justificación de la investigación ............................................................................ 5

CAPÍTULO II: MARCO TEÓRICO......................................................................... 7

2.1 Antecedentes de la investigación ............................................................................ 7

2.2 Bases teóricas ........................................................................................................ 24

2.2.1 Control estadístico del proceso ........................................................................... 24

2.2.2 Productividad ...................................................................................................... 42

2.3 Definiciones conceptuales .................................................................................... 48

2.4 Los dueños del problema ...................................................................................... 52

2.5 Formulación de hipótesis ...................................................................................... 52

2.5.1 Hipótesis general ................................................................................................ 52

2.5.2 Hipótesis específicas .......................................................................................... 53

CAPTÍULO III: METODOLOGÍA ......................................................................... 54

3.1 Diseño metodológico ............................................................................................ 54

3.1.1 Diseño…….. ....................................................................................................... 54

3.2 Población y Muestra ........................................................................................... 54

3.2.1 Población ………………………………………………………………………54

3.2.2 Muestra… ........................................................................................................... 55

3.3 Operacionalización de variables e indicadores ..................................................... 56

3.4 Técnicas e Instrumentos de recolección de datos ................................................. 57

3.4.1 Técnica a emplear ............................................................................................... 57

3.4.2 Descripción del Instrumentos ............................................................................. 57

3.5 Técnicas para el procesamiento de la Información ................................................ 58

CAPÍTULO IV: RESULTADOS.............................................................................. 59

4.1 Analisis preliminar. ............................................................................................... 59

4.2 Determinar las muestras de los meses de (Setiembre- Diciembre)...................... 59

4.3.1 Diagnóstico del comportamiento de los datos de los análisis de sacarosa en el

4.4 Determinar la estabilidad del proceso ................................................................... 74

4.5 Determinación de la capacidad de procesos de los meses de estudio (setiembre –

4.6 Análisis del rendimiento de los molinos. ............................................................... 83

4.7 Identificar el factor que influye en la pérdida de sacarosa en el bagazo. ............... 86