La impresión tridimensional tiene ventajas, como una excelente flexibilidad en la producción de piezas a partir del modelo digital, lo que permite la fabricación de diferentes geometrías que son tanto simples como complejas, utilizando materiales de bajo costo y generando poco residuo. Muchas tecnologías han ganado espacio, destacando la inteligencia artificial (IA), que tiene varias aplicaciones en diferentes áreas del conocimiento y puede definirse como cualquier tecnología que permite a un sistema demostrar inteligencia humana. En este contexto, el aprendizaje automático utiliza la inteligencia artificial para desarrollar técnicas computacionales, con el objetivo de construir conocimiento de forma automática. Este sistema es responsable de tomar decisiones basadas en experiencias acumuladas a través de soluciones exitosas. Por lo tanto, este trabajo tiene como objetivo desarrollar un modelo neuroevolutivo utilizando técnicas de inteligencia artificial, específicamente redes neuronales y algoritmos genéticos, para predecir la resistencia a la tracción en materiales fabricados mediante impresión 3D de tipo fabricación por filamento fundido (FFF). Consideramos la recopilación y construcción de una base de datos sobre instancias tridimensionales para alcanzar nuestro objetivo. Para entrenar nuestro modelo, adoptamos algunos parámetros. El algoritmo del modelo se desarrolló en el lenguaje de programación. Después de analizar los datos y gráficos generados por la ejecución de las pruebas, presentamos que el modelo superó, con un coeficiente de determinación superior al 90%, lo que resultó en una alta tasa de acierto.