En este artículo, presentamos un marco de control predictivo basado en datos (DDMPC) diseñado específicamente para sistemas no lineales de entrada única y salida única (SISO) con restricciones. Nuestro enfoque implica personalizar un controlador de horizonte deslizante basado en teoría de conjuntos dentro de un contexto basado en datos. Para lograr esto, traducimos las condiciones basadas en modelos en series de datos de señales de entrada y salida disponibles. Este proceso de traducción aprovecha los avances recientes en la teoría de control basada en datos, lo que permite que el controlador funcione de manera efectiva sin depender de modelos de sistema explícitos. El marco propuesto incorpora una metodología robusta para gestionar las restricciones del sistema, asegurando que las acciones de control se mantengan dentro de límites predefinidos. A través de secuencias temporales, el controlador aprende la dinámica subyacente del sistema y se adapta a los cambios en tiempo real, proporcionando un rendimiento y una fiabilidad mejorados. La integración de métodos basados en teoría de conjuntos permite el manejo sistemático de incertidumbres y perturbaciones, que son comunes cuando la trayectoria de un sistema no lineal está incrustada dentro de un tubo de estado de trayectoria lineal. Para validar la efectividad de nuestro marco DDMPC, realizamos simulaciones extensas en un sistema de motor de corriente continua no lineal. Los resultados demuestran mejoras significativas en el rendimiento del control, destacando la robustez y adaptabilidad de nuestro enfoque en comparación con las técnicas tradicionales de MPC basadas en modelos.