La presente tesis tiene como objetivo obtener un modelo de redes neuronales recurrentes para la predicción de la alimentación de una chancadora primaria, utilizando redes del tipo LSTM desarrolladas con Tensorflow. Para esto se utilizaron datos históricos recolectados sobre la alimentación de una chancadora primaria durante el 2018 a finales del 2019, en dicha base de datos también se encuentran otras variables tales como: Leyes de cabeza de mineral, tipo de mineral, disponibilidad y utilización de la chancadora, de las palas y camiones, entre otras más. Los datos históricos fueron evaluados y analizados, para posteriormente con estos datos entrenar diferentes modelos para obtener un modelo más eficiente. Dentro de todos los modelos se utilizaron como métrica el Error cuadrático medio (RMSE), ya que, con esta métrica se conserva la naturaleza de la variable (toneladas). Como ...