En la actualidad el empleo de redes neuronales para la predicción de datos en el sector industrial ha generado amplio interés, ya que es una herramienta que proporciona mejores resultados que otros tipos de modelos al resolver problemas complejos. Con el empleo de este tipo de técnicas, el sector antes mencionado se beneficia en resolver sus problemáticas de toma de decisiones como consecuencia de los constantes cambios en producción sin recurrir a la tendencia de prueba y error. El presente estudio desarrolla un modelo de predicción de dureza de aceros grado herramienta tratados térmicamente en un horno al vacío, con el objetivo de observar el efecto que tiene la variación de los principales parámetros del proceso en dicha propiedad; de tal forma que la RNFBR (Red Neuronal de Función Base Radial) prediga adecuadamente los valores, promoviendo una mejor eficiencia en producción.