Resumen
Esta investigación propuso un modelo de red neuronal artificial con entrenamiento dinámico para predecir las temperaturas de salida de ambos fluidos en un sistema de intercambiadores de calor para monoetanolamina, realizando el entrenamiento, validación y pruebas con 31 680 juegos de datos obtenidos a través del método de experimentación pasiva. Con el perceptrón multicapa 4-3-2 se lograron correlaciones superiores al 98,76 %, y se corroboró que el entrenamiento dinámico proporciona respuestas más precisas que el entrenamiento único. Aplicando el primer enfoque se calcularon errores absolutos promedio de 0,419 y 0,372 K (para las variables temperatura de salida de la amina rica y de la amina pobre, respectivamente), comparados con 2,214 y 1,181 K para el segundo. Tales desviaciones no tienen una implicación significativa en el proceso tecnológico examinado, por lo que el modelo se considera apropiado para simular el desempeño de los intercambiadores de calor objeto de estudio.