Modelamiento estadístico multivariado para el control de las variables críticas en el proceso productivo de quesos madurados

Autores/as

DOI:

https://doi.org/10.61347/ei.v5i1.257

Palabras clave:

Análisis de componentes principales, control estadístico multivariado, gráficos de control, mínimos cuadrados parciales, quesos madurados, rendimiento productivo

Resumen

La producción de quesos madurados se caracteriza por una alta complejidad debido a la interacción simultánea de múltiples variables que influyen en la calidad y el rendimiento del producto final. En este contexto, el control estadístico tradicional basado en enfoques univariados resulta limitado para capturar la dinámica real del proceso. El objetivo de este estudio fue desarrollar e implementar un modelo de control estadístico multivariado para monitorear y optimizar las variables críticas del proceso productivo de quesos madurados en la empresa Productos Alimenticios LAFRES, con el fin de mejorar la estabilidad y la calidad del producto final. La metodología adoptó un enfoque cuantitativo de tipo aplicado, con un diseño no experimental y longitudinal, analizando datos correspondientes a treinta lotes consecutivos de producción. Se aplicaron técnicas de análisis multivariado, incluyendo el Análisis de Componentes Principales (PCA) para la reducción de la dimensionalidad, la regresión por Mínimos Cuadrados Parciales (PLS) para modelar el rendimiento del queso y el control estadístico multivariado mediante los estadísticos T² de Hotelling y el Squared Prediction Error (SPE). Los resultados mostraron que las cinco primeras componentes principales explicaron más del 74 % de la variabilidad total, confirmando el carácter multifactorial del proceso. El modelo PLS presentó un coeficiente de determinación de R² = 0.499, identificando la acidez de la leche, el tiempo de cuajado y el tiempo de prensado como las variables de mayor influencia positiva sobre el rendimiento. Los gráficos de control multivariado evidenciaron una estabilidad global del proceso, con desviaciones puntuales de carácter no sistemático.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Anastasiou, R., Kazou, M., Georgalaki, M., Aktypis, A., Zoumpopoulou, G., & Tsakalidou, E. (2022). Omics Approaches to Assess Flavor Development in Cheese. Foods, 11(2). https://doi.org/10.3390/foods11020188

Anwer, S., Ahmad, R., Siddiqui, F., Ameen, R., & Rehman, W. (2025). Multivariate statistical techniques for quality control and process monitoring. Journal of Media Horizons, 6(6), 117–133. https://jmhorizons.com/index.php/journal/article/view/938

Bansal, V., Singh, P., Goel, N., Deshmukh, G., Mishra, S., Sihag, M., & Chawla, R. (2025). Understanding pH dynamics in cheesemaking: Insights across different cheese varieties. Journal of Food Science and Technology, 62(12), 2233–2243. https://doi.org/10.1007/s13197-025-06445-2

Causado-Rodriguez, E., Sanchez, J., & Fernández, A. (2025). Classification and Typification of Costeño Cheese in the Colombian Caribbean Through Multivariate Analysis of Physico-chemical Parameters: Base Study for the department of Magdalena. Journal of Posthumanism, 5(5), 1195–1217. https://doi.org/10.63332/joph.v5i5.1433

Dargère, A., de Jesus, J., Ferrão, S., Santos, L., & Faria, P. (2025). A multivariate approach to verify correlations between sensory quality indices and analytical quality indices in traditional Brazilian cheese. Journal of Food Science and Technology, 62(9), 1764–1771. https://doi.org/10.1007/s13197-024-06145-3

Flores, C., & Rodríguez, M. (2025). Aplicación de técnicas multivariadas en indicadores de productividad procedentes de la simulación de procesos de producción de una empresa láctea. INNOVATION & DEVELOPMENT IN ENGINEERING AND APPLIED SCIENCES, 7(2), 14–14. https://doi.org/10.53358/ideas.v7i2.1248

Lopéz, N., Abarquero, D., Combarros-Fuertes, P., Prieto, B., Fresno, J., & Tornadijo, M. (2024). Influence of Salting on Physicochemical and Sensory Parameters of Blue-Veined Cheeses. Dairy, 5(1), 93–105. https://doi.org/10.3390/dairy5010008

Grassi, S., Strani, L., Alamprese, C., Pricca, N., Casiraghi, E., & Cabassi, G. (2022). A FT-NIR Process Analytical Technology Approach for Milk Renneting Control. Foods, 11(1), 33. https://doi.org/10.3390/foods11010033

Grassi, S., Strani, L., Casiraghi, E., & Alamprese, C. (2019). Control and Monitoring of Milk Renneting Using FT-NIR Spectroscopy as a Process Analytical Technology Tool. Foods, 8(9), 405. https://doi.org/10.3390/foods8090405

Herrera-Vidal, G., Salcedo-Toro, G., Blanco-Camacho, J., Cabarcas-Sierra, A., & Doria-Orozco, N. (2025). Revisión de Literatura sobre Gestión de la Producción: Tendencias, Desafíos y Oportunidades para la Ingeniería Industrial. Boletín de Innovación, Logística y Operaciones, 7(1), 67–79. https://doi.org/10.17981/bilo.7.1.2025.07

Mora, J., Guzmán, B., Suárez, J., & León, J. (2025). Aplicación del Control Estadístico de Procesos: Un caso de estudio. Ciencia Latina Revista Científica Multidisciplinar, 9(3), 440–462. https://doi.org/10.37811/cl_rcm.v9i2.17639

Ramos, M., Paredes, P., Morales, E., & Vistin, J. (2025). Evaluación comparativa de metodologías de control estadístico de procesos en la gestión de la calidad industrial. Polo del Conocimiento, 10(10), 727–744. https://polodelconocimiento.com/ojs/index.php/es/article/view/10567

Ramos, M., Ascencio, J., Hinojosa, M., Vera, F., Ruiz, O., Jimenez-Feijoó, M., & Galindo, P. (2021). Multivariate statistical process control methods for batch production: A review focused on applications. Production & Manufacturing Research, 9(1), 33–55. https://doi.org/10.1080/21693277.2020.1871441

Rodríguez, J., Suárez, P., Vázquez, L., Flórez, A. B., Vivar-Quintana, A., & Mayo, B. (2025). Metataxonomic profiling of microbial communities and metabolic analyses of the traditional Spanish raw cow’s milk cheese ‘Casín’ from manufacture to ripening. Frontiers in Microbiology, 16. https://doi.org/10.3389/fmicb.2025.1722502

Sibono, L., Tronci, S., Barsøe, M., Errico, M., & Grosso, M. (2025). Raman Spectroscopy Coupled with Multivariate Statistical Process Control for Detecting Anomalies During Milk Coagulation. Processes, 13(11), 3519. https://doi.org/10.3390/pr13113519

Tangorra, F., Stojsavljevic, D., & Dzidic, A. (2025). Model-driven multivariate control chart and support vector machine as tools to detect variation in the milking process and monitor parlor performance. Journal of Dairy Science, 108(9), 9778–9787. https://doi.org/10.3168/jds.2025-26612

Viera-Molina, G. (2024). Análisis de la Producción y Defectos en Queso Fresco: Estrategias para la Mejora de la Calidad y Eficiencia. REVISTA DE INVESTIGACIÓN SIGMA, 11(02). https://journal.espe.edu.ec/ojs/index.php/Sigma/es/article/view/3537

Descargas

Publicado

2026-02-12

Cómo citar

Serrano Torres, G. J., & Torres Rodríguez, K. H. (2026). Modelamiento estadístico multivariado para el control de las variables críticas en el proceso productivo de quesos madurados. Esprint Investigación, 5(1), 402–416. https://doi.org/10.61347/ei.v5i1.257