Horno de Sostenimiento — Equipo 2

MA2008B · ITESM Querétaro · RONAL GROUP
Kira Pantoja · Raúl Herrera · Patricio Lugo · Sergio Rock

---

Qué hace este repo

Predicción de temperatura en horno industrial mediante una red TCN (Temporal Convolutional Network) y control PID clásico. El modelo aprende de 14 días de datos históricos y se usa para extraer una función de transferencia discreta G(z).

Resultados TCN: MAE = 3.28 °C · RMSE = 4.50 °C · R² = 0.56

---

Archivos principales

Archivo	Descripción
RonalAED_v2.ipynb	EDA: distribuciones, correlaciones, ACF/PACF
TCN_ronal_v2.ipynb	Modelo TCN: entrenamiento, evaluación y extracción de G(z)
dataset_horno_sostenimiento1.csv	Dataset: 20,160 muestras, Ts = 1 min

---

Cómo correrlo

TCN (Google Colab recomendado)

1. Subir TCN_ronal_v2.ipynb y dataset_horno_sostenimiento1.csv a Colab.
2. Ejecutar todas las celdas en orden.

Parámetros clave en la clase Config:

SEQ_LEN = 90          # ventana de entrada: 90 minutos (justificado por ACF)
EPOCHS  = 100
LR      = 5e-4

EDA

Abrir RonalAED_v2.ipynb en Jupyter o Colab y ejecutar en orden. No requiere GPU.

---

Dependencias

pip install torch numpy pandas scikit-learn scipy matplotlib statsmodels

---

Equipo

Raúl Herrera · Patricio Lugo · Sergio Rock · Kira Pantoja
Profesores: Dr. Leonardo Ledesma · Dr. Fernando Gómez Salas