Este documento explora el uso de redes neuronales artificiales para optimizar los procesos de mecanizado de metales. Tiene dos componentes principales. El primer componente se centra en desarrollar una red neuronal en EasyNN para predecir errores de calidad en superficies metálicas mecanizadas con fresado toroidal. Los datos de entrada se extraen de los valores experimentales de las operaciones de mecanizado, y los datos de salida son los valores medidos de rugosidad de la superficie. La red creada no solo predice los errores de calidad, sino que también identifica los parámetros clave que influyen en su calidad, como la velocidad de corte, la tasa de avance y la geometría de la herramienta, que son cruciales para la optimización del proceso. El segundo componente subraya la precisión de las predicciones de las redes neuronales utilizando MatLab para desarrollar una red neuronal que estima el tiempo de mecanizado, un factor clave en el cálculo de costos y la planificación eficiente de pedidos. Los datos experimentales utilizados para entrenar la red provienen de un conjunto restringido de trabajos de mecanizado. Los resultados obtenidos demuestran una estimación adecuada del tiempo de mecanizado, facilitando así la optimización de todo el proceso de mecanizado de metales, impactando positivamente en el costo y la eficiencia de las operaciones industriales.