UNIVERSIDAD TECNOLÓGICA DE PANAMÁ

FACULTAD DE INGENIERÍA INDUSTRIAL

CAMPUS METROPOLITANO VÍCTOR LEVI SASSO
LICENCIATURA EN INGENIERÍA INDUSTRIAL

CURSO DE GESTIÓN DE CALIDAD II

PROYECTO FINAL

PRESENTADO POR:
JUAN HAWKINS

PROFA. RITA ARAÚZ DE TAKAKUWA

GRUPO 1II143

PANAMÁ, 20 DE NOVIEMBRE DE 2024

INTRODUCCIÓN

La industria pesquera en Panamá es una de las principales fuentes de exportación del país, destacándose
por sus prácticas sostenibles y altos estándares de calidad. Productos como camarones, langostas, pargos
y atunes son altamente valorados en mercados internacionales, especialmente en Estados Unidos, Europa
y Asia. En 2022, Panamá exportó aproximadamente $123 millones en productos del mar a los Estados
Unidos, siendo los más destacados el pescado fresco sin filetear ($90.1 millones), los filetes de pescado
($15.1 millones), los crustáceos ($14.3 millones) y el pescado congelado sin filetear ($1.66 millones).

Debido a la alta demanda de productos pesqueros en los mercados internacionales, particularmente en

Estados Unidos, donde más del 50% del pescado consumido es importado, garantizar la calidad y seguri-
dad de estos productos se presenta como un desafío significativo. Las inspecciones realizadas por la Ad-
ministración de Alimentos y Medicamentos (FDA) incluyen procedimientos de muestreo estadístico dise-
ñados para abordar la diversidad y heterogeneidad de los productos importados. Sin embargo, debido al
volumen de consumo y al carácter destructivo de muchas pruebas de calidad, las inspecciones deben
basarse en muestras representativas, ya que evaluar cada unidad de un lote sería inviable.

La FDA emplea dos enfoques principales para el muestreo: las muestras de vigilancia y las de cumpli-
miento. Las primeras se utilizan para evaluar las características generales de los productos del mar, mien-
tras que las segundas determinan si un lote específico cumple con los requisitos reglamentarios. No obs-
tante, estos enfoques presentan riesgos inherentes, ya que muchos lotes no son inspeccionados, y en los
que sí lo son, el tamaño de las muestras suele ser reducido, lo que podría permitir que productos conta-
minados pasen desapercibidos.

OBJETIVOS:

1. Profundizar sobre los tipos de muestreo de aceptación, así como el papel que desempeñan en la
gestión de la calidad.
2. Diseñar planes de muestreo basados en datos, y que respondan a requerimientos específicos de la
industria.
3. Simular escenarios reales a partir de datos generados en Minitab.
4. Analizar y comparar la efectividad del muestreo, a través de la curva característica de operación.
1. METODOLOGÍA

El control de calidad de productos alimenticios, como los mariscos, emplea planes de muestreo es-
tadístico para evaluar la aceptación o rechazo de lotes. Estos planes se dividen en dos categorías
principales: por atributos y por variables.

En los planes por atributos, cada unidad inspeccionada se clasifica como aceptable o no aceptable.
Este tipo de muestreo es útil para evaluar características como el color, la textura o el olor de los
productos. Por otro lado, los planes por variables miden características específicas de las unidades y
utilizan promedios para determinar la conformidad del lote; sin embargo, se limitan a evaluar solo
una característica medible.

Ambos métodos clasifican las unidades como conformes o no conformes, basándose en una muestra
de tamaño n. Si la muestra contiene c defectos o menos, el lote es aceptado, de lo contrario, se
rechaza. Estas decisiones se ilustran mediante las curvas características de operación, que represen-
tan la probabilidad de aceptar un lote en función de su calidad. No obstante, ningún plan es infalible,
ya que siempre existe el riesgo de aceptar lotes defectuosos o rechazar lotes conformes.

En el control de Salmonella, los alimentos se clasifican en tres grupos según el nivel de riesgo. El
primer grupo incluye alimentos destinados a poblaciones vulnerables, el segundo, alimentos que no
eliminan Salmonella antes del consumo y el tercero, alimentos sometidos a procesos que eliminan
esta bacteria. En los procesos actuales de la FDA, la muestra debe consistir en al menos 100 gramos
seleccionados al azar de un lote. De esta cantidad, se analiza una submuestra de 25 gramos para
detectar Salmonella, pudiendo agruparse hasta un máximo de 15 submuestras analíticas.

Los criterios de calidad se definen por tres niveles. El nivel de calidad aceptable (NCA) representa el
porcentaje máximo de defectos tolerado, el nivel de calidad límite (NCL) establece el porcentaje mí-
nimo inaceptable y el nivel de calidad indiferente (NCI) corresponde al punto de probabilidad de
aceptación del 50%. En este contexto, el riesgo alfa indica la probabilidad de rechazar un lote con-
forme (5%), mientras que el riesgo beta refleja la probabilidad de aceptar un lote no conforme (10%).

Tabla 1. Niveles de calidad para Salmonella por categoría de alimentos

Fuente: Seafood Safety, Institute of Medicine (US)
Food category NCA (%) NCI (%) NCL (%)
I 0.086 1.16 3.84
II 0.171 2.31 7.68
III 0.342 4.62 15.35

Para asegurar la efectividad de los planes de muestreo, es fundamental que los lotes sean homogé-
neos, manejables y lo suficientemente grandes, de modo que el tamaño de la muestra no supere el
10% del lote total. Esto garantiza que las decisiones sean representativas y confiables.
2. MÉTODO DE CAMERON

El método de Cameron es una herramienta estadística utilizada para diseñar planes de inspección
por muestreo. Su objetivo es garantizar que los lotes con un nivel de calidad aceptable tengan una
alta probabilidad de ser aprobados, mientras que los lotes con un nivel de calidad límite sean recha-
zados casi con certeza.

Para implementar este método, se definen el NCA y el NCL como porcentajes, los cuales se convier-
ten en proporciones para calcular la razón de operación Rc, que es la relación entre el NCL y el NCA.
Este valor permite determinar tanto el número de aceptación c, como el tamaño de la muestra n,
utilizando tablas predefinidas.

Tabla 2. Parámetros estadísticos del método de Cameron

Fuente: Calidad y productividad, Gutiérrez Pulido
Alpha Beta R c np1
0.05 0.10 44.89 0 0.05

Tabla 3. Plan de muestreo para Salmonella según el método de Cameron

Fuente: Elaboración propia
Category NCA (%) NCL (%) p1 p2 Rc c n
I 0.086 3.84 0.00086 0.0384 44.65 0 60
II 0.171 7.68 0.00171 0.0768 44.91 0 30
III 0.342 15.35 0.00342 0.1535 44.88 0 15

En el caso de Salmonella, el número máximo de defectos permitidos es cero para todas las categorías,
siendo la única diferencia el tamaño de la muestra. Además, la Figura 1 presenta la curva caracterís-
tica de operación, que muestra la probabilidad de aceptar un lote en función del porcentaje de uni-
dades defectuosas, para cada categoría de alimentos.

1
Probabilidad de aceptar el

0.8
0.6
Categoría I
0.4
lote

Categoría II
0.2
Categoría III
0
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4
Proporción de artículos defectuosos en el lote

Figura 1. Curva característica de operación, por categoría, del método de Cameron

Fuente: Elaboración propia
3. MILITARY STANDARD 105E

El Military Standard 105E es un sistema de evaluación de calidad basado en atributos, diseñado para
clasificar características como conformes o no conformes y garantizar un equilibrio entre eficiencia
y control de calidad. Este estándar contempla dos tipos de inspección: la inspección normal, que se
utiliza cuando no existen antecedentes de problemas, y la inspección severa, que se aplica cuando el
historial del proveedor indica problemas recurrentes.

El sistema también define tres niveles de inspección: I, II y III. El nivel II, el más común, ofrece un
equilibrio entre el tamaño de la muestra y la capacidad de detección de defectos. El nivel I requiere
muestras pequeñas y es adecuado para situaciones en las que se espera una calidad consistente-
mente alta, mientras que el nivel III utiliza muestras mayores para detectar defectos con mayor rigor.

Tabla 4. Letras código para el tamaño de muestra según MIL STD 105E
Fuente: Calidad y productividad, Gutiérrez Pulido
Nivel de inspección
Tamaño del lote I II III
501 a 1200 G J K

Tabla 5. Plan de muestreo para inspección normal del MIL STD 105E
Fuente: Calidad y productividad, Gutiérrez Pulido
Food category
I II III
Nivel N n Acepta Rechaza Acepta Rechaza Acepta Rechaza
I 1000 32 0 1 0 1 0 1
II 1000 80 0 1 0 1 1 2
III 1000 125 0 1 0 1 1 2

El tamaño de la muestra depende del tamaño del lote, el nivel de inspección y el NCA. Por ejemplo,
en un lote de 1000 unidades de categoría II, con un NCA del 0.15% (el más cercano a 0.171%), la
inspección normal en nivel II requiere analizar 80 unidades. Si ninguna unidad presenta defectos, el
lote es aceptado, de lo contrario, se rechaza. En el caso de una inspección severa, las reglas pueden
ser más estrictas, aunque en este caso particular, los criterios permanecen sin cambios.

Tabla 6. Plan de muestreo para inspección severa del MIL STD 105E
Fuente: Calidad y productividad, Gutiérrez Pulido
Food category
I II III
Nivel N n Acepta Rechaza Acepta Rechaza Acepta Rechaza
I 1000 32 0 1 0 1 0 1
II 1000 80 0 1 0 1 1 2
III 1000 125 0 1 0 1 1 2
 Además, la Figura 2 presenta la curva característica de operación, que muestra la probabilidad de
aceptar un lote en función del porcentaje de unidades defectuosas, para cada nivel de inspección.

1
Probabilidad de aceptar el

0.8
0.6
Nivel I
0.4
lote

Nivel II
0.2
Nivel III
0
0 0.05 0.1 0.15 0.2
Proporción de artículos defectuosos en el lote

Figura 2. Curva característica de operación, por nivel de inspección, de MIL STD 105E
Fuente: Elaboración propia

4. MILITARY STANDARD 414

El Military Standard 414 es un sistema de evaluación de calidad que utiliza mediciones continuas,
como peso o temperatura, para determinar si un lote cumple con las especificaciones establecidas.
Se diferencia de otros métodos al registrar mediciones precisas de cada unidad, lo que permite cal-
cular índices estadísticos que ayudan a evaluar la calidad del lote. De los cinco niveles de inspección
que ofrece, el nivel IV es el más utilizado debido a su balance entre rigor y tamaño de muestra.

Tabla 7. Letras código para el tamaño de muestra según MIL STD 414
Fuente: Calidad y productividad, Gutiérrez Pulido
Nivel de inspección
Tamaño lote I II III IV V
801 a 1300 E G I K L

Para ilustrar su aplicación, se evaluó un lote de 1000 unidades de pescado congelado, el cual debe
mantenerse a una temperatura de −20 ± 1°C. Siguiendo las especificaciones del nivel IV de inspec-
ción, se seleccionó una muestra de 35 piezas y se midió su temperatura. Los resultados arrojaron
una media de −20.017°C y una desviación estándar de 0.371°C.

Tabla 9. Plan de muestreo para inspección normal y severa del MIL STD 414
Fuente: Calidad y productividad, Gutiérrez Pulido
Food category
Inspección normal Inspección severa
I II III I II III
Nivel N n M M M M M M
IV 1000 35 0.388 0.535 1.23 0.264 0.388 0.847
Tabla 10. Temperaturas registradas en la muestra de pescado congelado
Fuente: Elaboración propia
n T (°C) n T (°C) n T (°C) n T (°C)
1 -19.9038 10 -21.0584 19 -20.3094 28 -20.0965
2 -20.4714 11 -20.4420 20 -19.7103 29 -20.1810
3 -20.5585 12 -20.6366 21 -20.0076 30 -19.1559
4 -20.0577 13 -20.1626 22 -19.6773 31 -19.4730
5 -19.7781 14 -20.3914 23 -19.6538 32 -19.6945
6 -19.8733 15 -19.8620 24 -19.7598 33 -19.9769
7 -19.8117 16 -19.7781 25 -20.3028 34 -19.7354
8 -20.4280 17 -19.9339 26 -20.1227 35 -20.0539
9 -19.7573 18 -19.9974 27 -19.7707
x̄ -20.017
S 0.371

Tabla 11. Cálculo de índices estadísticos para el lote inspeccionado

Fuente: Calidad y productividad, Gutiérrez Pulido
ZES más ZEI más
Nivel N n ZES ps ZEI pi
cercano cercano
IV 1000 35 2.741 2.75 0.182 2.649 2.65 0.265

Tabla 12. Resumen de resultados estadísticos y decisión final para el lote inspeccionado
Fuente: Elaboración propia
Nivel n x̄ S ES EI ZES ZEI ps pi p
IV 35 -20.02 0.371 -19 -21 2.741 2.649 0.182 0.265 0.447

Con estos datos, se calcularon los índices estadísticos ZEI y ZES, que representan la distancia entre la
media de la muestra y los límites especificados en unidades de desviación estándar. Estos índices
permitieron estimar la proporción de unidades defectuosas p, cuyo valor excedió el porcentaje má-
ximo permitido M, en ciertas categorías de alimentos.

Tabla 13. Resolución de plan de muestreo para inspección normal y severa del MIL STD 414
Fuente: Calidad y productividad, Gutiérrez Pulido
Food category
Inspección normal Inspección severa
I II III I II III
Nivel N n M M M M M M
IV 1000 35 0.388 0.535 1.23 0.264 0.388 0.847
Resolución Rechaza Acepta Acepta Rechaza Rechaza Acepta
Figura 3. Curva característica de operación de MIL STD 414
Fuente: Elaboración propia
CONCLUSIONES

Garantizar la calidad y seguridad de los productos pesqueros exportados desde Panamá es un desafío que
requiere la implementación de métodos de muestreo estadístico eficientes. Las técnicas analizadas, como
el Método de Cameron, el Military Standard 105E y el Military Standard 414, destacan por su capacidad
para optimizar los procesos de inspección mediante un enfoque estructurado y basado en datos.

El Método de Cameron se ha mostrado como una herramienta eficaz para equilibrar la aceptación de lotes
conformes y el rechazo de lotes no conformes. Este enfoque asegura que los lotes con niveles de calidad
aceptables sean aprobados con alta probabilidad, mientras que aquellos con defectos significativos sean
rechazados casi siempre. Este aspecto es crucial en el control de contaminantes, como Salmonella, que
representa un desafío constante en la industria pesquera.

El Military Standard 105E, diseñado para la evaluación por atributos, aporta flexibilidad al establecer dos
niveles de inspección, normal y severa. Este sistema no solo permite una adaptación dinámica a las con-
diciones de calidad del proveedor, sino que también fomenta la mejora continua al premiar a los provee-
dores consistentes con menores requisitos de inspección. Al mismo tiempo, aplica medidas más estrictas
para aquellos con un desempeño inconsistente, asegurando así la calidad de los productos exportados y
reduciendo los costos de inspección.

Por otro lado, el Military Standard 414, basado en mediciones continuas, ofrece mayor precisión en la
evaluación de los lotes. Este estándar utiliza índices estadísticos para identificar desviaciones en las espe-
cificaciones del producto, proporcionando una visión detallada de la calidad. Esto resulta especialmente
relevante en el caso de productos como el pescado congelado, donde el mantenimiento de condiciones
específicas de temperatura es esencial para garantizar su aceptación en mercados internacionales.

Estos métodos no solo aseguran el cumplimiento de los estándares internacionales de calidad, sino que
también optimizan recursos y mejoran la confiabilidad de los procesos de inspección. El uso de herramien-
tas como Minitab para la simulación de escenarios ha permitido evaluar de manera integral la efectividad
de los planes de muestreo y analizar las curvas características de operación, fortaleciendo así la toma de
decisiones en el control de calidad.

Con estas estrategias, las empresas exportadoras pueden consolidar su posición en los mercados globales,
cumplir con los requisitos regulatorios de manera eficiente y mantener la confianza de sus clientes, ofre-
ciendo productos que cumplen con altos estándares de calidad y seguridad.
REFERENCIAS BIBLIOGRÁFICAS

Food and Agriculture Organization (UN). (2024). Transporting or frozen fish. Retrieved from FAO:
https://www.fao.org/4/v3630e/v3630e15.htm
Gutiérrez Pulido, H. (2014). Calidad y Productividad. Ciudad de México: McGraw Hill.
Institute of Medicine (US) Committee on Evaluation of the Safety of Fishery. (1991). Statistical sampling
issues in the control of seafood hazards products. In Seafood Safety. Washington D. C.: The National
Academies Press. Retrieved from https://www.ncbi.nlm.nih.gov/books/NBK235721/
Observatory of Economic Complexity. (2024). Panama and The United States. Retrieved from OEC:
https://oec.world/en/profile/bilateral-country/pan/partner/usa
Shanghai Tendata Tech. (2023, julio 19). What are the major exports of Panama? Retrieved from Tendata:
https://www.tendata.com/blogs/export/4192.html