Для розроблення прогностичних моделей контролерів витрачається відносно велика кількість часу та зусиль. Час окупності контролера з функцією інтелектуального прогнозування можна суттєво зменшити за наявності загального інструменту ідентифікації, введеного до схеми контролю. Розроблена система керування, яка складається з нейронної мережі (НМ) з виключно зовнішнім повторенням, параметри якої регулюються розширеним фільтром Калмана у режимі реального часу. Вихід нейронної мережі використовується в контрольній ланці для вивчення точності контуру керування. На даний момент цей контур є контролером мінімальної дисперсії на основі НМ-моделі. Ідентифікація он-лайн системи з контролером протестована шляхом моделювання процесу виробництва пеніциліну з метою розуміння поведінки у складному середовищі. На кожному сигнальному процесі та вимірюванні застосовувався шум. Незважаючи на те, що НМ ніколи раніше не навчалась, розходження контролера не спостерігаюсь. Хоча онлайн-прогноз НМ був достатньо точним, реальний процес залишається досі не вивченим. Він був перевірений імітацією процесу із застосуванням НМ для отриманого кінцевого продукту. Тим не менш, цей процес тримався під контролем поруч із встановленими "розумними" точками. Отримані результати свідчать про перспективні спроби моделювання інтелектуальних контролерів із використанням методу он-лайн ідентифікації, що значно вкорочує час реалізації.