Logotipo del repositorio

Publicación:
Estrategias avanzadas de control de procesos químicos: una vigilancia tecnológica

dc.contributor.advisorBenavides Prada Omar Andrés
dc.contributor.authorSoler Hernández Yarod Andrey
dc.contributor.authorMayorga Meza Lourdes Mildreth
dc.contributor.evaluatorBarajas Ferreira Crisóstomo
dc.contributor.evaluatorMorales Medina Giovanni
dc.date.accessioned2026-06-12T20:15:11Z
dc.date.created2026-06-12
dc.date.issued2026-06-12
dc.description.abstractse realizó una revisión sistemática sobre las estrategias avanzadas de control de procesos químicos, con el objetivo de analizar y sintetizar los enfoques más relevantes reportados en la literatura reciente, identificando tendencias tecnológicas, principales metodologías, desafíos de implementación y nivel de madurez industrial. La metodología se basó en el protocolo PRISMA, complementado con un análisis bibliométrico para reconocer patrones de investigación y avances en el área. Los resultados evidenciaron un creciente interés por metodologías orientadas a mejorar el desempeño dinámico, la robustez y la adaptabilidad de los procesos químicos, especialmente frente a sistemas no lineales y multivariables. Entre las estrategias más destacadas se identificaron el control predictivo basado en modelo (MPC) y sus variantes LMPC, EMPC y LEMPC, el control predictivo basado en redes neuronales (NNMPC), el modelado híbrido dinámico y su aplicación en esquemas HMPC, el aprendizaje por refuerzo (RL) y la lógica difusa, incluyendo el modelado de Takagi-Sugeno (TS). Aunque estas metodologías muestran un alto potencial de aplicación industrial, su adopción a gran escala continúa limitada por la exigencia computacional, la disponibilidad de datos, la necesidad de garantizar seguridad operativa y la dificultad de integración con la infraestructura existente.
dc.description.abstractenglisha systematic review was conducted on advanced chemical process control strategies in order to analyze and synthesize the most relevant approaches reported in recent literature, identifying technological trends, main methodologies, implementation challenges, and the maturity level of these technologies. The methodology was based on the PRISMA protocol and was complemented by a bibliometric analysis to identify research patterns and advances in the field. The results showed growing interest in methodologies aimed at improving dynamic performance, robustness, and adaptability of chemical processes, especially under nonlinear and multivariable conditions. The most prominent strategies identified were model predictive control (MPC), neural network model predictive control (NNMPC), dynamic hybrid modeling, reinforcement learning (RL), and fuzzy logic, including Takagi-Sugeno (TS) modeling. Although these methodologies show strong industrial application potential, their large-scale adoption remains limited by computational demand, data availability, the need to ensure operational safety, and the difficulty of integration with existing automation infrastructure.
dc.description.degreelevelPregrado
dc.description.degreenameIngeniero Químico
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/47948
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingeníerias Fisicoquímicas
dc.publisher.programIngeniería Química
dc.publisher.schoolEscuela de Ingeniería Química
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAtribución-NoComercial-SinDerivadas 2.5 Colombia (CC BY-NC-ND 2.5 CO)
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectcontrol avanzado de procesos
dc.subjectcontrol predictivo basado en modelo
dc.subjectaprendizaje por refuerzo
dc.subjectlógica difusa
dc.subjectmodelado híbrido dinámico
dc.subjectredes neuronales.
dc.subject.keywordadvanced process control
dc.subject.keywordmodel predictive control
dc.subject.keywordreinforcement learning
dc.subject.keywordfuzzy logic
dc.subject.keyworddynamic hybrid modeling
dc.subject.keywordneural networks.
dc.titleEstrategias avanzadas de control de procesos químicos: una vigilancia tecnológica
dc.title.englishAdvanced Control Strategies for Chemical Processes: A Technology Watch
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.hasversionhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.localTesis/Trabajo de grado - Monografía - Pregrado
dspace.entity.typePublication

Archivos

Bloque original

Mostrando 1 - 4 de 4
Cargando...
Miniatura
Nombre:
Carta de autorización 2.pdf
Tamaño:
143.63 KB
Formato:
Adobe Portable Document Format
Cargando...
Miniatura
Nombre:
Carta de autorización 1.pdf
Tamaño:
158.7 KB
Formato:
Adobe Portable Document Format
Cargando...
Miniatura
Nombre:
Nota de proyecto.pdf
Tamaño:
180.33 KB
Formato:
Adobe Portable Document Format
Cargando...
Miniatura
Nombre:
Documento.pdf
Tamaño:
1.43 MB
Formato:
Adobe Portable Document Format

Bloque de licencias

Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
license.txt
Tamaño:
2.17 KB
Formato:
Item-specific license agreed to upon submission
Descripción:

VIGILADA MINEDUCACIÓN

Ordenanza No. 83 de 1.944 (junio 22)

Carácter académico: Universidad

Notificaciones judiciales: notjudiciales@uis.edu.co 

.

Código SNIES: 1204   Nit: 890.201.213-4

Línea Anticorrupción:  +57 (601) 562 9300 EXT: 3633

Línea transparente: +57 (607) 630 3031