Análisis del Uso de Machine Learning para Sistema de control predictivo a nivel industrial

Abstract

Este estudio analiza la integración del Machine Learning (ML) en sistemas de control predictivo a nivel industrial, revelando una tendencia creciente y prometedora en diversos sectores. La investigación muestra un aumento exponencial en la aplicación de técnicas de ML, como redes neuronales recurrentes (LSTM), Random Forest y redes neuronales convolucionales (CNN), en control predictivo industrial. Los casos de estudio examinados, que abarcan desde la industria petroquímica hasta la manufactura automotriz y el monitoreo ambiental, demuestran mejoras significativas en eficiencia, precisión y productividad. Se observa una adopción global de estas tecnologías, incluyendo implementaciones exitosas en países en desarrollo como Ecuador. A pesar de los beneficios evidentes, se identifican desafíos persistentes, como la necesidad de grandes conjuntos de datos de calidad, problemas de interpretabilidad y complejidad computacional. El estudio destaca la tendencia hacia enfoques híbridos que combinan conocimiento basado en principios físicos con ML, ofreciendo un equilibrio entre interpretabilidad y adaptabilidad. Se concluye que la integración de ML en control predictivo industrial representa una solución transformadora en la automatización industrial, con el potencial de revolucionar la gestión y operación de sistemas industriales complejos, impulsando la innovación en fabricación y control de procesos.