En procesos industriales como la separación líquido-líquido dentro de los sectores químico, farmacéutico y de reciclaje, la altura de la zona densamente compactada es un indicador crítico tanto de rendimiento como de seguridad. Sin embargo, su medición directa suele ser costosa o inviable debido a limitaciones ópticas y de accesibilidad. Esto ha motivado el desarrollo de métodos indirectos que estimen esa variable a partir de datos fácilmente disponibles, como caudales de entrada y salida. Un enfoque prometedor combina redes neuronales informadas por la física (PINN) con modelos mecanicistas de baja fidelidad, logrando una estimación precisa sin necesidad de sensores especializados durante la operación diaria. La red se entrena primero con datos sintéticos generados por ecuaciones de balance de volumen y luego se ajusta con pocas mediciones experimentales, lo que reduce drásticamente la dependencia de grandes conjuntos de datos reales. Este tipo de solución ejemplifica cómo la inteligencia artificial puede aplicarse a problemas complejos de ingeniería de procesos, y empresas como Q2BSTUDIO ofrecen ia para empresas que integran modelos similares en entornos productivos. La implementación práctica de estos sistemas requiere una infraestructura robusta y escalable, que puede lograrse mediante servicios cloud aws y azure, facilitando el despliegue de modelos predictivos y su actualización en tiempo real. Además, la monitorización de las estimaciones puede enriquecerse con herramientas de inteligencia de negocio como Power BI, permitiendo visualizar la evolución de la altura compactada y detectar anomalías de forma temprana. En Q2BSTUDIO desarrollamos aplicaciones a medida que integran desde la simulación hasta el análisis, incluyendo agentes IA que actúan como asistentes virtuales para operadores. La ciberseguridad también es fundamental para proteger los datos de proceso y los modelos entrenados, por lo que ofrecemos servicios especializados en pentesting y seguridad informática. En definitiva, la combinación de redes neuronales informadas por la física con un ecosistema de software a medida, cloud y analítica permite abordar retos de separación líquido-líquido de forma eficiente y confiable, transformando datos de proceso en información de alto valor para la toma de decisiones.