Comparación de Estrategias de Control de Temperatura: Controlador PID y Redes Neuronales

Abstract

Temperature control in industrial processes is essential to ensure quality and efficiency in production. In this study, the performance of a traditional proportional-integral-derivative controller and a neural network-based controller in regulating the temperature of a furnace is analyzed. A mathematical model of the system is developed, and both controllers are implemented in a simulation environment using Python. The results are compared in terms of response time, stability, and steady-state error. The results show that the neural network-based controller can better adapt to changes in system dynamics, reducing overshoot and improving process stability. This study demonstrates the potential of artificial intelligence in industrial process control and suggests future research into the development of advanced control strategies.El control de temperatura en procesos industriales es fundamental para garantizar la calidad y eficiencia en la producción. En este estudio, se analiza el desempeño de un controlador tradicional proporcional-integral-derivativo y un controlador basado en redes neuronales en la regulación de temperatura de un horno. Se desarrolla un modelo matemático del sistema y se implementan ambos controladores en un entorno de simulación utilizando Python. Se comparan los resultados en términos de tiempo de respuesta, estabilidad y error en estado estacionario. Los resultados muestran que el controlador basado en redes neuronales puede adaptarse mejor a cambios en la dinámica del sistema, reduciendo el sobreimpulso y mejorando la estabilidad del proceso. Este estudio demuestra el potencial de la inteligencia artificial en el control de procesos industriales y plantea futuras investigaciones en el desarrollo de estrategias de control avanzadas.