La industria manufacturera se enfrenta a crecientes demandas de digitalización. Para realizar un gemelo digital del proceso de corte, se hace necesario aumentar la fiabilidad del modelo de representación virtual. Para ello, se requieren diferentes modelos para representar el comportamiento experimental del material de la pieza o las interacciones de fricción. Uno de los modelos de material más utilizados es el modelo de material de Johnson-Cook. Los parámetros del modelo de material se determinan ya sea mediante pruebas de material convencionales o no convencionales, o inversamente a partir del proceso de corte. Sin embargo, la determinación de parámetros inversa, donde los parámetros del modelo se modifican de forma iterativa hasta alcanzar un acuerdo suficiente entre los resultados experimentales y numéricos, no es robusta y requiere un alto número de iteraciones. En este documento, se presenta un enfoque para la determinación inversa de parámetros del modelo de material basado en la Optimización por Enjambre de Partículas (PSO). El enfoque fue investigado mediante la reidentificación inversa de un conjunto de parámetros iniciales. Las investigaciones realizadas mostraron que un conjunto de parámetros del modelo de material puede ser determinado en un pequeño número de iteraciones. Así, los parámetros del modelo de material determinados resultaron en desviaciones de aproximadamente el 1% en comparación con sus valores objetivo. Se demostró que la PSO es adecuada para la determinación inversa de parámetros de material a partir de simulaciones de corte.