Resumen

El control optimizado del proceso de producción de extracción de medicamentos (DEPP) tiene como objetivo reducir los costos de producción y mejorar el beneficio económico cumpliendo con los requisitos de calidad. Sin embargo, la optimización de DEPP se ve obstaculizada por la incertidumbre del modelo. Por lo tanto, en este documento se propone una estrategia que considera la incertidumbre del modelo. Se discute primero el modelado mecanicista de DEPP en el contexto de trabajos previos. Luego se desarrolla el modelo predictivo utilizado para la optimización simplificando el mecanismo. La optimización para un solo proceso de extracción se implementa primero, pero se encuentra que esto conduce a un grave desperdicio de hierbas. Por lo tanto, luego se lleva a cabo la optimización de un proceso de multiextracción. Para gestionar la incertidumbre en el modelo, se introduce un método de control iterativo basado en datos para mejorar el beneficio económico ajustando las variables operativas. Finalmente, se adopta el ajuste de parámetros difusos para mejorar la tasa de converg

• Materias:Difusión de información Inteligencia de enjambre Programación híbrida Modelo de programación Máquinas virtuales
• Subjects:Information dissemination Swarm intelligence Hybrid programming Programming model Virtual machines
• Palabras claves:Control; Proceso de producción de extracción de drogas; Optimización; Incertidumbre del modelo; Beneficio económico; Control iterativo del aprendizaje
• Keywords:Control; Drug extraction production process; Optimization; Model uncertainty; Economic benefit; Iterative learning control