Este documento propone el desarrollo de un sensor suave no lineal robusto para la estimación en línea de las composiciones de productos en una Columna de Destilación Integrada por Calor (HIDiC). Los analizadores de composición tradicionales, como los cromatógrafos de gases, son costosos y sufren de largos retrasos en las mediciones, lo que los hace ineficientes para el monitoreo y control en tiempo real. Para abordar esto, se desarrollan sensores suaves impulsados por datos utilizando datos de temperatura de bandeja obtenidos de una simulación dinámica de HIDiC de alta fidelidad. El estudio investiga tanto estrategias de modelado lineales como no lineales para la estimación de composiciones, incluyendo regresión por componentes principales (PCR), redes neuronales artificiales (ANNs) y, por primera vez en el modelado de HIDiC, una red de Memoria a Largo y Corto Plazo Bidireccional (BiLSTM). El objetivo es evaluar la capacidad de cada método para la estimación precisa de las composiciones de productos en un HIDiC. Los resultados demuestran que el sensor suave basado en BiLSTM supera significativamente a los métodos convencionales y ofrece un gran potencial para mejorar la estimación y control de composiciones en tiempo real en sistemas HIDiC.