El objetivo de esta investigación es mejorar la producción de hidrógeno y el beneficio total de una planta real de Reformado de Vapor. Dada la imposibilidad de ajustar la fábrica real para optimizar su operación, proponemos modelar la planta utilizando Redes Neuronales Artificiales (ANNs). En particular, combinamos un conjunto de ANNs independientes en un solo modelo. Cada ANN utiliza diferentes conjuntos de entradas dependiendo de los procesos físicos simulados. El modelo luego se optimiza como un sistema de caja negra utilizando metaheurísticas (Algoritmos Genéticos y Meméticos). Demostramos que el modelo de ANN propuesto presenta una alta correlación entre la salida real y la predicha. Además, el rendimiento de las técnicas de optimización propuestas ha sido validado por los ingenieros de la planta, quienes informaron un aumento significativo en el beneficio obtenido después de la optimización. Además, este enfoque ha sido comparado favorablemente con los resultados proporcionados por un solucionador general de caja negra. Todos los métodos fueron probados con datos reales proporcionados por la fábrica.