Resumen en español

La inteligencia artificial (IA) se ha consolidado como una tecnología clave en la transformación digital de la industria química. Este trabajo presenta una revisión sistemática de la literatura sobre aplicaciones de IA en plantas químicas, organizada en tres categorías funcionales: control de procesos, seguridad de procesos y optimización. La metodología implementada incluye técnicas bibliométricas como herramientas de análisis semántico y de acoplamiento bibliográfico, lo que permitió identificar modelos representativos y tendencias tecnológicas relevantes en el periodo 2014 – 2024. Entre los hallazgos más destacados se encuentra la tendencia de arquitecturas basadas en redes neuronales recurrentes (RNN), especialmente LSTM y GRU, las cuales han demostrado una alta eficacia en escenarios dinámicos y multivariantes. Además, se observa una creciente integración de enfoques híbridos, como los modelos que incluyen enfoques no supervisados o células del tipo Physics-informed, mejorando su robustez e interpretabilidad. Finalmente, se identifican desafíos clave para la adopción industrial, como la escasez de datos etiquetados y la necesidad de modelos explicables, señalando que las tendencias emergentes en modelos semi-supervisados, autoadaptativos y con arquitectura híbrida constituyen rutas prometedoras hacia sistemas más autónomos, eficientes y seguros.