In this dissertation, we work with a steam generator (boiler) operating within an industrial plant that produces biofuels (in this case, corn ethanol) using supervised machine learning as a tool. Sugarcane ethanol is extensively studied, but in the case of corn, in Brazil, it is still embryonic - with scarce records, of a fundamental equipment that is the boiler, operating with specific burning of eucalyptus chip, seeking to obtain optimized thermal efficiencies and understanding its behavior, mainly of a “full” corn plant. Data from process variables were obtained in the field through the DCS- Digital Control System (60 points from two boilers for 30 days), worked with Python and ML (Machine Learning) code that we use as a methodology. The results were positive, demonstrating that this important industrial equipment can be studied and its behavior predicted with the methodology used, helping and enabling us to achieve better efficiencies and better understand its technical behavior.Dissertação (Mestrado)Nesta dissertação, trabalhamos com um gerador de vapor (caldeira) operando dentro de uma planta industrial produtora de biocombustíveis (no caso, etanol de milho) utilizando como ferramenta a aprendizagem de máquina supervisionada . O etanol de cana de açúcar é exaustivamente estudado , porém no caso do milho, no Brasil, ainda é embrionário – com históricos escassos, de um equipamento fundamental que é a caldeira, operando com queima específica de chip de eucalipto, buscando obter eficiências térmicas otimizadas e entendendo o seu comportamento, principalmente de unidade fabril” full” de milho. Foram obtidos, em campo através do DCS- Digital Control System ( 60 pontos de duas caldeiras por 30 dias) , dados de variáveis de processo, trabalhados com o código Python e ML (Machine Learning) que utilizamos como metodologia. Os resultados foram positivos, demostrando que esse importante equipamento industrial pode ser estudado e seu comportamento previsto com a metodologia usada, auxiliando e fazendo com que possamos alcançar melhores eficiências e entender melhor o seu comportamento técnico.