El duraluminio 2024-T351 es una aleación caracterizada por una buena resistencia mecánica, una dureza relativamente alta y resistencia a la corrosión, utilizada frecuentemente en las industrias aeronáutica, automotriz, de defensa, etc. En este trabajo, se investigó la variación de las fuerzas axiales y los momentos de torsión al perforar la aleación de aluminio 2024-T351, analizando los valores medidos para diferentes regímenes de corte. Se recopilaron datos experimentales sobre las fuerzas y momentos generados durante el proceso de perforación utilizando equipos especializados, y estos datos fueron preprocesados y analizados utilizando MatLab R218a. El plan experimental incluyó 27 combinaciones de los parámetros del régimen de corte (profundidad de corte, velocidad de corte y avance), para los cuales se midieron los parámetros energéticos de corte, la fuerza axial y el momento de torsión, respectivamente. Con base en estos datos, se entrenó una red neuronal, utilizando el algoritmo de regularización bayesiana, con el fin de predecir los valores óptimos de los parámetros energéticos de corte. El modelo neuronal demostró ser eficiente, proporcionando predicciones con un error relativo por debajo del 10%, lo que indica una buena concordancia entre los valores medidos y simulados. En conclusión, las redes neuronales ofrecen una alternativa precisa a los modelos analíticos clásicos, siendo más adecuadas para materiales con comportamiento complejo, como las aleaciones de aluminio.