El sistema de propulsión de una aeronave es uno de sus sistemas más cruciales; por lo tanto, se debe garantizar su funcionamiento fiable en todas las condiciones y regímenes operativos. Se utilizan materiales, técnicas y métodos modernos para asegurar este objetivo; sin embargo, aún hay margen para mejorar este sistema complejo. El manuscrito propuesto describe un enfoque progresivo para la predicción de las propiedades mecánicas de la sección de la turbina durante la operación del motor a reacción utilizando una red neuronal artificial, y ilustra su aplicación en un pequeño motor a reacción experimental. Las propiedades mecánicas se predicen en función de la temperatura, presión y rpm medidas durante la operación del motor a reacción, y los objetivos para la red neuronal artificial son los resultados de los análisis de elementos finitos. La red neuronal artificial (ANN) se entrena utilizando datos de entrenamiento de las mediciones experimentales (temperaturas, presión y rpm) y los resultados de los análisis de elementos finitos de la sección de la turbina del pequeño motor experimental propuesto en el artículo. El estrés mecánico predicho por la ANN logró una alta precisión en comparación con los resultados de los análisis de elementos finitos, con un error del 1.38% para el estrés mecánico predicho y coeficientes de correlación superiores a 0.99. La predicción del estrés mecánico y la deformación de la sección de la turbina es un proceso que consume tiempo cuando se emplea el método de elementos finitos; sin embargo, el método con la aplicación de la red neuronal artificial presentado en este artículo disminuyó significativamente el tiempo de resolución. Los análisis estructurales mecánicos realizados en el software ANSYS utilizando modelado de elementos finitos tardan alrededor de 30-40 minutos para un paso de carga. En contraste, la red neuronal artificial presentada en este artículo predice el estrés y la deformación para un paso de carga en menos de 0.00000044 s.