Javier Nieves Acedo, Igor Santos Grueiro, Pablo García Bringas
Un Modelo Predictivo de Control (MPC) es un sistema que permite llevar a cabo el control de una planta de producción.
Gracias a este tipo de sistemas es posible realizar una producción que se aproxime al �cero defectos�. Para poder desempeñar su labor fundamental, este tipo de sistemas se compone de varias fases o etapas. Una de las más importantes es la fase que permite predecir la situación en la que se va a encontrar la planta en un momento dado.
La mayoría de los avances realizados en este campo han estado ligados a los MPC lineales, a pesar de que el proceso que se intenta representar no lo sea. Así, en este artículo, se presentan varios experimentos que permiten demostrar que la etapa de predicción, habitualmente representada por una única función matemática, puede ser representada mediante modelos de aprendizaje automático.
A Model Predictive Control (MPC) is a system which allows us to control a production plant. Thanks to this type of system is possible to make a production that comes close to �zero defects�. In order to achieve its main goal, this kind of systems consists of several phases. One of the most important is the phase that predicts the situation in represented by machine-learning models.
which the plant is going to be in a given time. Currently, the majority of the research in this field are related to linear MPC, although the process, which the model tries to represent, may not be. Thus, this paper presents several experiments that proof that the forecast phase, usually represented by a single mathematical function, can be
© 2001-2024 Fundación Dialnet · Todos los derechos reservados