Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / Model predictive control (MPC) strategies have become the standard for advanced control applications in the process industry. Significant benefits are generated from the MPC's capacity to ensure that the plant operates within its constraints more profitably. However, like any controller, after some time under operation, MPCs rarely function as when they were initially designed. A large percentage of performance degradation of MPC is associated with the deterioration of model that controller uses to predict process outputs and calculate inputs. The objective of the present work is implementation of mathematical methods that can be used to detect model-plant mismatch in linear and nonlinear MPC systems. In this work, techniques based on cross correlation, partial correlation and mutual information are implemented and tested by numerical simulation in case studies characteristic of the petrochemical industry, represented by linear and nonlinear models, operating under MPC control. The results obtained through the applying the techniques are analyzed and compared as to their efficiency is not intended to offer their potential for real industrial applications. / Estratégias de controle preditivo (MPC) têm-se tornado o padrão para aplicações de controle avançado na indústria de processos. Os benefícios significativos são gerados a partir da habilidade do controlador MPC de assegurar que a planta opere dentro das restrições de forma mais lucrativa. Porém, como todo controlador, depois de algum tempo em operação, os MPCs raramente funcionam como quando foram inicialmente projetados. Uma grande porcentagem da degradação do desempenho dos controladores MPC está associada à deterioração do modelo que o controlador usa para fazer a predição das saídas do processo e calcular as entradas. O objetivo do presente trabalho é a implementação de métodos matemáticos que possam ser utilizados para a detecção de erros planta-modelo em sistemas de controle MPC lineares e não lineares. Neste trabalho, técnicas baseadas em correlação cruzada, correlação parcial e informação mútua são implementadas e testadas por simulação numérica em estudos de caso característicos da indústria petroquímica, representados por modelos lineares e não lineares, operando sob controle MPC. Os resultados obtidos através da aplicação das técnicas são analisados e comparados quanto à sua eficiência no objetivo proposto avaliando seu potencial para aplicações industriais reais.