Desarrollamos un sistema de decisión auto-optimizado que minimiza dinámicamente el consumo total de energía de un proceso industrial. Nuestro modelo se basa en un marco de aprendizaje por refuerzo profundo (DRL), adoptando tres métodos de aprendizaje por refuerzo, a saber: red Q profunda (DQN), optimización de políticas proximales (PPO) y algoritmos de actor-crítico de ventaja (A2C), combinados con un modelo de bosque aleatorio auto-predictivo. Este sistema de decisión inteligente es un DRL informado por la física que establece los parámetros clave de entrada industrial para optimizar el consumo de energía mientras asegura la calidad del producto en función de los parámetros de salida deseados. El sistema se auto-mejora y puede aumentar su rendimiento sin más asistencia humana. Aplicamos el enfoque al proceso de calentamiento de vidrio templado. De hecho, la identificación y control de los parámetros del vidrio templado es una tarea desafiante que requiere experiencia. Además, optimizar el consumo de energía mientras se aborda este problema tiene un gran valor añadido. La evaluación del sistema de decisión bajo las tres configuraciones se ha realizado y, en consecuencia, los resultados y conclusiones se han explicado en este documento. Nuestro sistema de decisión inteligente proporciona un conjunto optimizado de parámetros para el proceso de calentamiento dentro de los límites de aceptación mientras minimiza el consumo total de energía. Este trabajo proporciona las bases necesarias para abordar los problemas de optimización de energía relacionados con la parametrización de procesos, desde la teoría hasta la práctica, y proporciona una aplicación industrial real; investigaciones adicionales abren un nuevo horizonte hacia una fabricación inteligente y sostenible.