REVISTA INGENIERA UC. Vol.

14, No 1, 42-51, 2007

Anlisis de las variables involucradas en el proceso de desmineralizacin

de agua en una empresa ensambladora de vehculos
Adriana Larios, Viky C. Mujica, Milagros Rodrguez, Cathy Prez
Escuela de Ingeniera Qumica, Facultad de Ingeniera
Universidad de Carabobo, Valencia, Venezuela
Email: adriana_jose2005@yahoo.com, vcmujica@gmail.com, cathy@cathyperez.com

Resumen
Esta investigacin consiste en analizar estadsticamente el comportamiento de las variables que intervienen
en el proceso de produccin de agua desmineralizada de una empresa ensambladora venezolana. Para llevar a cabo este estudio fue necesario en principio reconocer el proceso de desmineralizacin, mediante entrevistas con
operarios e ingenieros encargados del rea, identificando pH y conductividad como las variables que utiliza la empresa para controlar la produccin de este recurso. Seguidamente se efectu una recoleccin de datos con el
propsito de iniciar el anlisis estadstico mediante el uso de grficos de normalidad, de control y de capacidad de
proceso. Se generaron alternativas de solucin de acuerdo a los resultados obtenidos, y tomando en cuenta el reglamento corporativo acatado por cada uno de los procesos realizados en planta, incluyendo el que es objeto de
estudio.
Palabras clave: Agua desmineralizada, pH, conductividad, anlisis estadstico, normalidad.

Analysis of the variables involved in the process of demineralization

of water in a car assembly plant
Abstract
This research consists on the statistical behavior analysis of variables that are involved in the process of
production of demineralized water in a Venezuelan car assembly plant. In order to carry out this study, it was already necessary to have knowledge of the demineralization process, through interviews with engineers in charge
of that area; this took to identify the variables pH and conductivity as the most used by the company to control the
production of this resource. After that, a gathering of data was required with the purpose to initiate the statistical
analysis by means of the use of graphics of normality, control and process capacity. There were generated alternatives of solution according to the obtained results, and taking into account the corporate regulation accepted by
each one of the processes made in plant, including the present one which is being object of study.
Keywords: Demineralized water, pH, conductivity, statistical analysis, normality.
1. INTRODUCCIN
El agua desmineralizada es aquella desprovista
de minerales comunes presentes en el agua, tales como: calcio, magnesio, hierro, sodio, entre otros [1], y
es un recurso muy importante utilizado en la industria
automotriz, debido a su capacidad de proveer excelentes resultados en la apariencia final del automvil [2].
El agua desmineralizada es destinada para realizar los
enjuagues previos a la aplicacin de la pintura, con el
propsito de eliminar impurezas o partculas que puedan estar presentes sobre la carrocera, a fin de evitar
42

Rev. INGENIERA UC. Vol. 14, No 1, Abril 2007

la formacin de hidrxidos u otro tipo de compuesto al

mezclarse con la pintura. [3].
El agua desmineralizada puede ser obtenida
mediante procesos de intercambio inico, procesos
con membranas o procesos con evaporacin. [4-6],
[6]. En la investigacin, el agua cruda es proveniente
de un pozo, la cual es tratada con resinas de intercambio inico de tipo catinica y aninica de base fuerte.
El propsito de la investigacin es analizar a
travs de herramientas estadsticas las variables que
influyen en el proceso de produccin de agua desmi-

Larios, Mujica, Rodrguez y Prez

neralizada, a fin de establecer si las variables se encuentran bajo control.

Adems de conocer si el proceso es capaz de
cumplir con las especificaciones para proveer agua
desmineralizada para la industria automotriz en estudio.
A continuacin se explica detalladamente el
proceso de intercambio inico que se lleva a cabo en
la ensambladora.
Los intercambiadores inicos son sustancias
granuladas insolubles, las cuales tienen en su estructura molecular radicales cidos o bsicos que pueden ser
intercambiados. Los iones positivos o negativos localizados en estos radicales sern remplazados por iones
del mismo signo que se encuentran en la solucin.
Estas sustancias intercambiadoras de iones son conocidas bajo el nombre de resinas. El agua atraviesa una
cama de resina catinica que atraer en su superficie
los minerales metlicos de carga positiva, despus
atraviesa una cama de resina aninica para atraer los
minerales no metlicos de carga negativa. [7]
En principio, el agua cruda circula por la resina
catinica la cual retiene los cationes presentes en el
agua, principalmente calcio y magnesio, y los intercambia por iones hidronios (H+) que forman cidos
con los aniones presentes en el agua cruda (H2CO3,
HCl, H2SO4, etc.). Aqu el porcentaje de slidos totales disueltos (TDS) es alto.
La corriente de agua prosigue a la resina aninica, donde se intercambia los aniones de los cidos
formados en la resina catinica por iones oxidrilos
(OH-), acoplndose el H+ del cido con el OH- de las
resinas, obteniendo finalmente molculas de H2O -los
aniones quedan retenidos en esta resina y al agua pasan las molculas de OH-. El agua que sale de esta
resina contiene un porcentaje bajo de TDS [8]. Una
representacin simplificada de lo que est sucediendo
en los sitios activos de la resina se puede ver en la
Figura 1 [9].
Para verificar el buen funcionamiento de la resina catinica se mide la dureza del agua a la salida de
la misma, la cual debe ser cero, de no ser as, la resina
estara dejando pasar iones calcio y magnesio (Ca+2 y
Mg+2), formando as hidrxidos en la resina aninica
(CaOH2 y MgOH2) que pueden ser perjudiciales para
la misma, contaminndola [10].

H+

R+

+ N-

1.- Intercambio Inico en la resina

catinica

2.- Formacin de cido en la

solucin
N-

N- H+

OH-

HN

R+

3.- Intercambio Inico en la resina

aninica

H+ OH-

4.- Formacin de agua

desmineralizada

Figura 1. Esquema general del proceso de intercambio

inico en resinas catinicas y aninicas.

Cuando las resinas de intercambio inico se

encuentran saturadas de iones (cationes y aniones), se
debe llevar a cabo un proceso de limpieza denominado regeneracin, donde se deja circular durante un
intervalo de tiempo, cido clorhdrico (HCl) por la
resina catinica y soda custica (NaOH) por la resina
aninica, los cuales permiten limpiar las resinas proporcionado H+ y OH-, a la resina catinica y aninica,
respectivamente (ver Figura 2). Finalizada la regeneracin, se inicia una nueva produccin de agua desmineralizada. La correcta dosificacin de estos qumicos puede representar un factor importante en la
calidad final del agua. [11]

agua de entrada
Dureza: Ca, Mg, Fe
Otros: CO3-, HCO3-,
Cl-, SO4, SiO2
alta conductividad

se Regenera con
HCl

se Regenera con
soda caustica

catinica

aninica

H+

OH-

agua
desmineralizada
cero dureza
pH 2-3
TDS es alto

Figura 2. Diagrama de produccin de agua

desmineralizada.

Existen parmetros que permiten medir la calidad del agua y as verificar si es apta o no para un determinado uso; entre los cuales se tienen: la conductividad elctrica [12], el pH [13], los slidos totales
disueltos (TDS) [12], la dureza [12] y la alcalinidad
[13].
Rev. INGENIERA UC. Vol. 14, No 1, Abril 2007

43

Variables en la desmineralizacin del agua

2. METODOLOGA
La investigacin se lleva a cabo en las torres
TRC-300 -resina catinica- y TRA-200 -resina aninica- respectivamente.
2.1. Reconocimiento del proceso de desmineralizacin
Se determina en el rea de Fosfato & E-coat, la
cantidad de agua desmineralizada requerida. En las
torres de intercambio inico se cuantifican los tiempos de regeneracin para las resina catinica y aninica y los consumos de regenerantes -cido clorhdrico
y soda custica2.2. Identificacin de los indicadores de gestin en
las torres de intercambio inico
Mediante la observacin directa se especifica el
estado fsico de los equipos, tuberas y accesorios.
Estos resultados se resumen utilizando la herramienta
de evaluacin de indicadores de gestin: seguridad
(S), calidad (Q), entrega (D), costo (C), moral (M) y
ambiente (A); basada en la filosofa 6 trmino estadstico que se utiliza para identificar la variacin de
un proceso-. Los indicadores que miden el buen desempeo del proceso, se clasifican de la siguiente manera: 1: muy malo, 2: malo, 3: regular, 4: bueno, hasta
5: muy bueno, para evaluar as el proceso de produccin de agua desmineralizada e identificar de acuerdo
a estos indicadores las fallas y carencias en este proceso. [14]
2.3. Identificacin de las variables que intervienen
en la produccin de agua desmineralizada
Para conocer las variables que intervienen en el
proceso de desmineralizacin se llevaron a cabo entrevistas con ingenieros y operarios encargados del
rea, los cuales a travs de su amplia experiencia dieron a conocer dichas variables as como su importancia en la obtencin de agua desmineralizada.

Darlin, Ryan-Joiner y Kolmogorov-Sirnov, estas

pruebas aumentan su grado de precisin sin embargo
todas son confiables. Para este estudio se selecciona la
de Anderson-Darlin, la cual consiste en probar si una
muestra de datos proviene de una poblacin de distribucin especfica. Es una modificacin de Kolmogorov-Smirnov (K-s), por lo tanto se asegura que es una
prueba de gran certeza [15].
Para complementar el anlisis estadstico se
construyen grficos de control. Un grafico de control
especfica los lmites de control equidistantemente
determinados; estos lmites se denominan lmite de
control superior (LCS) y lmite de control inferior
(LCI) y se colocan equidistantes a ambos lados de la
lnea que indica el promedio de un proceso. Estos
grficos son tiles para hacer seguimiento estadstico
del proceso a travs del tiempo y detectar la presencia
de causas especiales. [16].
Por ltimo se construyen los grficos de capacidad, a fin de precisar la habilidad que tiene el proceso
en estudio para cumplir consistentemente lo exigido
por clientes internos o externos. Para medir objetivamente el grado en que el proceso satisface o no dichos
requerimientos, se ha desarrollado los ndices de capacidad que permiten graficar esta medicin. [17]
Los ndices de capacidad permiten situar la distribucin del proceso en relacin a los lmites de especificacin.
Estos ndices se identifican universalmente por
Cp y Cpk. El ndice Cp mide la capacidad potencial
que tiene un proceso para dar las especificaciones que
se le exigen.
El ndice Cpk no solo mide la variacin del proceso en relacin a las especificaciones permitidas sino
adems la ubicacin del promedio del proceso, es decir, mide la capacidad real del proceso. [18]
3. RESULTADOS Y DISCUSIN

2.4. Anlisis estadstico de las variables ms importantes en la produccin de agua desmineralizada

Para las variables determinantes del buen funcionamiento de las torres desmineralizadotas, se realizan estudios de normalidad. Se utiliza el software estadstico Minitab Versin 13.2, el cual consta de tres
pruebas de normalidad las cuales son: Anderson44

Rev. INGENIERA UC. Vol. 14, No 1, Abril 2007

3.1. Reconocimiento del proceso de desmineralizacin

El proceso de produccin de agua desmineralizada se inicia con la alimentacin del agua cruda proveniente del pozo, la cual es enviada un filtro de
carbn el cual se encarga de eliminar el cloro y mate-

Larios, Mujica, Rodrguez y Prez

En la Tabla 1, se muestran los requerimientos

de agua desmineralizada, evidencindose que el rea
que mayor consumo tiene es la de fosfato, donde se
realiza el pre-tratamiento metlico, para lograr una
capa de fosfato de zinc en la superficie del metal que
conforma la carrocera.
Vale la pena destacar que esta etapa es de vital
importancia; ya que, se realiza el pre-desengrase con
agua y con limpiador alcalino, tambin se asegura el
crecimiento uniforme de cristales de fosfato y se evitan posibles reacciones de corrosin
Tabla 1. Requerimientos de agua desmineralizada en la
ensambladora.
rea

Etapa
Acondicionador
Pasivador

FOSFATO

Enjuague con agua recirculada

Enjuague con agua virgen por vehculo
Tanque

E-coat

Enjuague con agua recirculada, al mes

Enjuague con agua virgen por vehculo
Enjuague con agua virgen con pistolas por
vehculo

Cantidad,
L/da
3.000,00
1.600,00
1.600,00
300,00
872,00

En cuanto al proceso de regeneracin, ste se

realiza a travs de una serie de pasos que permiten
devolver a la resina su carga inica original, debido a
la saturacin de iones (aniones y cationes del agua
cruda) que presenta luego de las producciones de agua
desmineralizada.
En este tipo de torres de intercambio inico se
llevan a cabo 8 pasos, los cuales incluyen: retrolavado, succin de regenerante, enjuague lento y enjuague
rpido, para cada resina, cuya duracin aparece registrada en los manuales de especificaciones de los equipos. En las Figuras 3 y 4 se presenta una comparacin
entre los datos recolectados de los tiempos que demora cada paso y los encontrados en los manuales CULLIGAN -manuales proporcionado por los proveedores de la empresa para el manejo de las torres. Tal
como puede observarse no existe una marcada discrepancia entre los valores registrados en los manuales y
los obtenidos experimentalmente.
CATINICA TRC-300

PROCESO
M ANUAL

40

tiempo (min)

orgnica, luego pasa a la torre catinica, y seguidamente a la torre aninica, obtenindose el agua desmineralizada, que es transportada a los tanques de almacenamiento los cuales abastecen a las diferentes reas
donde es indispensable su uso.

32 30

30
20

20
13

20
12

10

10

10
0

Retr olavado

s uccin de cido

Enjuague lento

Enjuague r apido

55.000,00
150,00

Figura 3. Tiempos de regeneracin en la torre TRC-300.

7,00

La torre TRA-200 segn manuales tiene una

capacidad de produccin con resina nueva de 18.000
L. Actualmente producen entre 10.000 y 12.000 L de
agua desmineralizada de buena calidad, operando a un
69 % de su capacidad. Esta baja produccin se debe
las fracturas existentes en la resina a causa del tiempo.
Por otro lado la torre TRC-300, opera a un
100 % de su capacidad, es decir producen 34.000 L

Figura 4. Tiempos de regeneracin en la torre TRA-200.

Rev. INGENIERA UC. Vol. 14, No 1, Abril 2007

45

Variables en la desmineralizacin del agua

Los consumos de regenerantes para cada torre en

estudio se presentan en las Figuras 5 y 6, se puede
observar que tanto para las torres TRA-200 y TRC300, los consumos de cido y soda son mayores a los
reportados en los manuales. Una causa de esta situacin, es el tiempo de uso de los equipos, ya que cada
vez que se realiza una regeneracin a diario para la
TRC-300 e inter-diario para la TRA-200- se acelera la
fractura de los granos y se pierde volumen de resina
en los retrolavados, necesitando de una cantidad mayor de regenerante para recuperar su forma inica y
producir agua de buena calidad.

Figura 5. Consumos de regenerantes en la torre TRC-300.

La disponibilidad de agua desmineralizada en el

rea, se debe en mayor parte a la torre TRC-300, por
su capacidad de produccin y a las buenas condiciones fsicas en que se encuentra actualmente. La torre
TRA-200, queda en ciertas ocasiones fuera de servicio
y no garantiza una produccin continua de agua desmineralizada.
Los costos que se generan al producir agua desmineralizada con las torres de intercambio inico son
altos, debido al uso continuo de qumicos regenerantes (cido y soda) y cuando las resinas no se encuentran en condiciones tan ptimas, como es el caso de
las torres TRA-200, se produce menos cantidad de
agua usando la misma cantidad de regenerantes que se
usaran con resinas nuevas, ocasionando altos costos
operativos.
Ambas torres utilizan diariamente cido clorhdrico y soda custica para su regeneracin y bsicamente son estos los responsables de la contaminacin
existente en el ambiente, los cuales traen como consecuencia la formacin de una atmsfera asfixiante para
los operarios del rea, as como tambin presencia de
corrosin en los equipos, tuberas, accesorios [19]. La
falta de ventilacin ocasiona que los vapores queden
concentrados en el sitio.
Tabla 2. Calificacin para los sistemas actuales de
produccin de agua desmineralizada.

Indicador

Figura 6. Consumos de regenerantes en la torre TRA-200.

3.2. Identificacin de los indicadores de gestin en

las torres de intercambio inico
Al aplicar la herramienta para la ponderacin
de los indicadores de gestin se obtienen los resultados reportados en la Tabla 2, evidencindose que para
el proceso de regeneracin se desprenden vapores de
cido que pueden ocasionar problemas respiratorios,
debido a la poca ventilacin que existe en el rea.
Cuando el rea de fosfato & E-coat requiere de mayor
cantidad de agua desmineralizada, el operario encargado procede a disminuir el rango de resistividad a
75 ohms, dejando circular agua fuera de especificaciones.
46

Rev. INGENIERA UC. Vol. 14, No 1, Abril 2007

Ponderacin
TRC-300
TRA-200

Seguridad, (S)

Calidad, (Q)

Entrega, (D)

Costo, (C)

Moral, (M)

Ambiente, (E)

3.3. Identificacin de las variables que intervienen

en la produccin de agua desmineralizada
Las variables a considerar para el anlisis del
proceso de produccin de agua desmineralizada son
pH y conductividad, las mismas permiten evaluar el
comportamiento de las torres de intercambio inico y
su necesidad de regeneracin [20].

Larios, Mujica, Rodrguez y Prez

La ensambladora en estudio establece como

rangos de especificacin en E-coat para pH y conductividad (5-5,8) y (0-10) micromhos respectivamente.
En el rea de fosfato para pH y conductividad (5-5,8)
y (0-25) respectivamente [21].
La conductividad bajo los rangos mencionados
anteriormente, en el rea de fosfato permite asegurar
mediante enjuagues finales con agua desmineralizada
virgen la limpieza completa de la unidad antes de ser
trasladada a la siguiente rea E-coat.
En el caso de E-coat se evita la presencia de
minerales en el agua que puedan contaminar el producto pasta, resina, permeato- e iniciar la formacin
de grumos sobre la carrocera; ya sea, en los enjuagues o en los puntos donde se utiliza el agua desmineralizada, debido a que este polmero se solubiliza en
agua que contenga sales. [22].
En cuanto al pH, un valor muy alcalino puede
coagular la pintura y un valor muy cido puede disolverla [23]. Es por ello que esta rea posee condiciones
ms estrictas de pH y conductividad.
3.4. Anlisis estadstico de las variables ms importantes en la produccin de agua desmineralizada
Los datos de pH y conductividad se recolectan
a la salida del tanque de almacenamiento de agua desmineralizada, durante un perodo de 8 semanas, a fin
de obtener una data amplia de stas variables.
A continuacin se describe la forma de recoleccin de las muestras y la medicin:
Se toman tres muestras de agua a la salida de
los tanques de almacenamiento, dos veces al
da (maana y tarde), sumando un total de 150
datos.
A las muestras recolectadas se les mide pH y
conductividad. Las muestras son enfriadas previamente hasta una temperatura de 25C, agitando vigorosamente para homogeneizar temperatura, esto se realiza con el propsito de obtener una lectura ms apropiada.
Estudio de la normalidad
Antes de llevar a cabo un control estadstico del
proceso es importante comprobar si los datos siguen a

una distribucin normal, la cual permite que se ajusten adecuadamente a una caracterstica de calidad.
[24].
En total se recolectaron 150 medidas que por
requerimientos del programa Minitab versin 13.2, se
organizan en 50 subgrupos de 3 datos cada uno tal y
como fueron recolectados.
Al realizar la prueba de normalidad se obtiene
el comportamiento que se muestra en las Figuras 7 y
8, para la conductividad y pH se puede observar que
no siguen una distribucin normal, debido a que la
normalidad de una serie de datos esta basada en el P
-value -dato reportado por el programa al construir
grficos de normalidad- es decir si:
P-value>0,05 se considera que los datos
son normales.
P-value<0,05 los datos no son normales.
[25].
Cuando los datos no siguen una distribucin
normal, se lleva a cabo una transformacin para corregir la normalidad de los datos.
Una de las ms utilizadas comnmente se denomina transformacin Box-Cox, la cual consiste en la
no homogeneidad de la varianza, es decir, a travs de
la ecuacin (1) y de la eleccin del mejor valor lambda ().
Se transforman los datos para que no exista variabilidad entre ellos y la media, y as poderlos ajustar
a una distribucin normal [26].
Se transforman los datos para que no exista variabilidad entre ellos y la media, y as poderlos ajustar
a una distribucin normal [26].
La ecuacin utilizada por la transformacin
Box-Cox es la siguiente:

(1)

donde:
Y: Datos transformados.
X: Datos a transformar.
: Lambda
Rev. INGENIERA UC. Vol. 14, No 1, Abril 2007

47

Variables en la desmineralizacin del agua

Last Iteration Inf o

Lambda StDev

0,45

,99
,95
,80
,50
,20
,05
,01

,001
1

10

Desviacin Estandar

Probabilidad

,999

Low 4,944 0,251

Est 5,000 0,251
Up
0,35

Conductividad (micromhos)
Average: 3,09067
StDev: 1,35209
N: 150

0,25

Anderson-Darling Normality Test

A-Squared: 7,490
P-Value: 0,000

-5

-4

-3

-2

-1

Lambda

Figura 7. Prueba de normalidad para la conductividad.

Figura 10. Transformacin Box-Cox para el pH.

Probabilidad

,99
,95
,80
,50
,20
,05
,01
,001
4,8
Average: 5,86793
StDev: 0,482021
N: 150

pH

5,8

6,8
Anderson-Darling Normality Test
A-Squared: 1,892
P-Value: 0,000

Figura 8. Prueba de normalidad para el pH.

En las Figuras 9 y 10 se pueden observar los

posibles valores de lambda versus la desviacin estndar que resulta de cada transformacin, lo que facilita
la eleccin del valor lambda (). En ambas figuras
aparece una lista de lambdas en el lado derecho de las
mismas, donde el programa por defecto utiliza el valor EST -lambda estimada por Minitab 13.2 encontrado dentro del intervalo de confianza- para la transformacin de los datos. Seguidamente se comprueba si
los datos transformados se ajustaban a una distribucin normal. Para ello se realiza nuevamente otra
prueba de normalidad de tipo Anderson-Darlin.

En la Figura 11, se muestra que a pesar de

transformarse los datos de conductividad, estos no se
ajustan a una distribucin normal, ya que el P-value
resulta nuevamente menor a 0,05. Esto se debe al amplio rango que existe en las especificaciones de conductividad (0-10) mmhos lo cual crea mucha variabilidad entre los datos.
Por lo tanto, no es recomendable construir los
grficos de control y grficos de capacidad, porque
los resultados podran ser defectuosos o errneos.

,999
,99

Probabilidad

,999

,95
,80
,50
,20
,05
,01
,001
0,5

Average:
0,705225

0,6

0,7

0,8

0,9

Datos Transformados

StDev:
0,0827363
N: 150

Anderson-Darling Normality Test

A-Squared: 1,135
P-Value: 0,006

Figura 11. Prueba de normalidad para los datos de

conductividad.

A diferencia de la Figura 11, los datos transformados de pH que se muestran en la Figura 12 si se

ajustan a una distribucin normal debido al resultado
obtenido del P-value igual a 0,205.

Figura 9. Transformacin Box-Cox para la conductividad.

48

Rev. INGENIERA UC. Vol. 14, No 1, Abril 2007

Por lo tanto, se procede a transformar las especificaciones corporativas de pH (ver Figuras 9 y 11)
seguidas por la ensambladora, ya que al transformarse
los valores de pH estas tienen que ser cambiadas
igualmente por la ecuacin (1) para poder ser utilizadas en los grficos de capacidad de proceso.

Larios, Mujica, Rodrguez y Prez

Grficos de capacidad
,999
,99

Probability

,95
,80
,50
,20
,05
,01
,001
2000

7000

12000

Datos Transformados

Average: 6693,59
StDev: 2437,94
N: 150

En la Figura 14, se muestra un anlisis de capacidad basado en un histograma de capacidad de las

medidas individuales de pH recubiertas con una curva
normal basada en la media y la desviacin estndar
del proceso. Este grfico tambin incluye una tabla
con los estadsticos de capacidad del proceso, que
contienen estadsticos parciales y totales.

Anderson-Darling Normality Test

A-Squared: 0,480
P-Value: 0,230

Figura 12. Prueba de Normalidad para los datos de pH

transformados por Box-Cox

Grficos de control
Como se mencion anteriormente, para construir grficos de control es necesario que los datos a
estudiar se ajusten a una distribucin normal, es por
ello que solo se realiza el grfico de control de pH,
mostrado en la Figura 13.
Como se puede observar el pH se encuentra
bajo control, ya que las medidas individuales se encuentran dentro de los limites estadsticos calculados
bajo la variacin natural del proceso representada por
6, lo cual implica que el proceso no evidencia la presencia de causas asignables de variacin (solo causas
aleatorias o comunes) [27], [24].

El Cp resulta mayor a 1, lo cual implica que el

proceso es potencialmente capaz de cumplir con las
especificaciones, ya que los datos de pH se encuentran dentro de ellas.
Sin embargo el valor obtenido de Cpk indica
que el proceso esta descentrado del valor deseado
(media del proceso), por ser este menor al valor obtenido de Cp, notando que el histograma se encuentra
acumulado en el lado izquierdo del la figura. Si el
proceso contina comportndose de la misma manera,
podra obtenerse agua desmineralizada fuera del lmite inferior [30].

12000
UCL=11274

Valores Individuales

11000
10000

Figura 14. Anlisis de capacidad de los valores de pH.

9000
8000

Mean=7910

7000

Consideraciones finales

6000
5000

LCL=4546

4000
0

50

100

150

Observaciones Individuales

Figura 13. Grfico de control para el pH.

Lo mencionado anteriormente no significa que
el proceso este generando agua desmineralizada dentro de especificaciones, solamente significa que el
proceso es consistente en lo que a medidas se refiere
(puede ser consistentemente malo) [28], [29].
Es por ello que se procede a construir los grficos de capacidad.

Para transformar la conductividad en una variable que se encuentre bajo control estadstico y permita
conocer la capacidad del proceso al igual que el pH,
se plantean las siguientes alternativas:
Discutir con los ingenieros encargados del proceso la posibilidad de disminuir el rango de las
especificaciones. Bajo esta opcin no se debe
olvidar la confiabilidad del producto y verificar
si este puede funcionar adecuadamente dentro
de ese nuevo rango de especificaciones.
Disminuir la dispersin del proceso, para lo
cual podra requerirse:
Reentrenamiento de los operarios.
Rev. INGENIERA UC. Vol. 14, No 1, Abril 2007

49

Variables en la desmineralizacin del agua

Mejores condiciones de trabajo.

Nuevas polticas de mantenimiento.
Ajuste sobre las variables principales del
proceso.
El tamao de la muestra de los subgrupos debe
ser mayor o igual a cinco (5), ya que mientras
ms datos existan entre cada subgrupo ms se
ajustan a una distribucin normal
Realizar un estudio estadstico bajo otra distribucin (que no sea normal), utilizando las Curvas de Johnson o de Pearson.
4. CONCLUSIONES
La torre TRC-300 y la TRA-200 producen
34.000L y 11.000L respectivamente de agua
desmineralizada por cada regeneracin.
Las torres de intercambio estudiadas no cumplen en su totalidad con los indicadores de gestin.
No existen marcadas diferencias en los tiempos
actuales de regeneracin para cada resina con lo
estipulado en los manuales tcnicos.
Los consumos actuales de regenerantes son
mayores a los establecidos por los manuales
tcnicos.
Las variables que se utilizan para controlar el
proceso de desmineralizacin son pH y conductividad.
La conductividad no se ajusta a una distribucin normal, por ende no se realizaron grficos
de control ni grficos de capacidad.
El pH sigui una distribucin normal dando
como resultado que el proceso se encuentra
dentro de control.
El Cp y Cpk del grfico de capacidad del pH
son 2,22 y 1,58 respectivamente, lo cual indica
que el proceso es capaz de cumplir con las especificaciones establecidas por la corporacin.
5. REFERENCIAS
[1]

[2]

50

Chang R. (1999): Qumica (Sexta Edicin)

Editorial McGraw Hill Compaas S. A. Impreso en Mxico.
Aquaplant (2005, noviembre 15) [Pgina Web
en lnea] Disponible: http://www.aquaplant.cl/
aguadulce/implementos/index.htm [Consulta:
2005, noviembre 18].
Rev. INGENIERA UC. Vol. 14, No 1, Abril 2007

[3]

Alwan, C. y Roberts, H.V. (1989):Times Series Modeling for Statistical Process Control,
Statistical Process Control in Automated Manufacturing, J.B. Keats and N.F.

[3]

GEA Filtracin (2005, noviembre 15) [Pgina

Web
en
lnea]
Disponible:
http://
www.geafiltration.com [Consulta: 2005, noviembre 18].

[3]

Osmonics (2006, marzo 10) [Pgina Web en

lnea] Disponible: http://www.osmonics.com
[Consulta: 2006, marzo 10].

[3]

Silva M, Barbosa J (2002): Equilibrios inicos

y sus aplicaciones analticas, Sntesis, 2002.

[7]

Brown, T., LeMay E. y Bursten B. (1998)

Qumica la ciencia central (Sptima Edicin)
Editorial Prentice Hill hispanoamericana S. A.
Impreso en Mxico.

[8]

Burriel; F. Lucena; S. Arribas, J. Hernndez

(2002): Qumica Analtica cualitativa, Paraninfo Thomson Learning.

[9]

ADASA (2005, noviembre 15) [Pgina Web en

lnea] Disponible: http://www.adasa.com.mx
[Consulta: 2005, noviembre 18].

[10] D.C. Harris (2001): Anlisis qumico cuantitativo, Revert.

[11] Sistemas de purificacin de agua (2005, noviembre 15) [Pgina Web en lnea] Disponible:
(http://www.aquapurificacion.com) [Consulta:
2005, noviembre 18].
[12] PERRY, Robert (1992): Manual del Ingeniero
Qumico. Tomo I, IV, 6ta. Edicin (3era. en
espaol). Editorial McGraw Hill Latinoamericana de Mxico, S.A.
[13] Lenntech (2005, agosto 15) [Pgina Web en
lnea] Disponible: http://www.lenntech.com
[Consulta: 2005, agosto 15].
[14] Messina, W.S., Montgomery, D.C., Keats, J.B.
y Runger, G.C. (1996): Strategies for Statistical Monitoring of Integral Control for the Continuous Process Industries, Statistical Application in Process Control, J.B. Keats y D.C.

Larios, Mujica, Rodrguez y Prez

Montgomery, Eds, Marcel Dekker, New YorkBael-HongKong, , pp. 193-214.

[15] Box, G. y Luceo, A. (1997): Statistical Control by Monitoring and Feedback Adjusment,
Wiley-Interscience, USA.
[16] Kemmer N., Frank (1989):Manual del Agua
Su naturaleza, tratamiento y aplicaciones Tomo I, Tomo II, Editorial McGraw Hill., Impreso en Mxico.
[17] Montgomery, D.C., Keats, J.B., Runger, G.C. y
Messina, W.S. (1994): Integrating Statistical
Process Control and Engineering Process Control, Journal of Quality Technology, Vol. 26,
No. 2 , pp 79-87.

[25] Box, G. y Jenkins G.M. (1976): Time Series

Analysis: Forecasting and Control, San Francisco: Holden-Day.
[26] Montgomery, D.C. (1991): Control Estadstico
de la Calidad, Grupo Editorial Iberoamericana,
Mxico.
[27] Box, G. y Ramirez, J.G. (1992): Cumulative
Score Charts, Quality and Reliability Engineering International, Vol. 8, pp. 17-27.
[28] Eckman Donald (1967): Automatic Process
Control, John Wiley & Sons, Inc, Estados
Unidos, Pgs.: 1-13.

[18] Montgomery, D.C. y Mastrangelo, C.M.

(1991): Some Statistical Process Control
Methods for Autocorrelated Data, Journal of
Quality Technology, Vol. 23, No. 3,
pp. 179-204.

[29] Susial, P. (2003): Evaluacin de membranas

espiral industriales de smosis inversa. Universidad de las Palmas de Gran Canaria. Departamento de Ingeniera de procesos. Escuela
Tcnica Superior de Ingenieros Industriales.
Espaa.

[19] Elga LabWater (2005, agosto 15) [Pgina Web

en lnea] Disponible: www.elgalabwater.com
[Consulta: 2005, agosto 15].

[30] Thompson, J.R. y Koronacki, J. (1993):

Statistical Process Control for Quality Improvement, Chapman & Hall. Nueva York.

[20] Varo, P. y
Rodrguez, P. (2001):
Caractersticas fsico-qumicas de las aguas
ablandadas. Universidad de Alicante. Departamento de Ingeniera Qumica. Espaa.
[21] RGsystems (2005, Octubre 17) [Pgina Web en
lnea] Disponible: http://www.rgsystems.org
[Consulta:2005, Octubre 19].
[22] Tratamiento Integral (2005, noviembre 15)
[Pgina
Web
en
lnea]
Disponible:
http://www.tratamientointegral.com.mx
[Consulta: 2005, noviembre 18].
[23] Zhang Nien (1998): A Statistical Control
Chart for Stationary Process Data. Technometrics, Vol. 40, No. 1. pp 24-38.
[24] Cantell B. y Ramirez J. (1998): An Application of Statistical Process Monitoring in the
Semiconductor Clean Room Environment,
pp 1-24.

Rev. INGENIERA UC. Vol. 14, No 1, Abril 2007

51