Atualmente, ha ocurrido un notable aumento de inversiones en el sector de gas natural en Brasil. La utilización del gas natural para la generación de energía tiene importantes atractivos como, por ejemplo, la diversidad de oferta del gas y su quema más limpia en relación a otros combustibles fósiles. Existe un cresciente intereés en proyectos, ideas y opciones alternativass para mejorar la calidad y reducir las descargas poluentes de equipos de combustión industrial para el medio ambiente. La necesidad de procesos más eficientes y menos poluentes ha acelerado la búsqueda del desarrollo tecnológico. En el proyecto desarrollado, se investigó la performance de un modelo basado en la formulación de volumes finitos, incluyendo el modelo k-e de turbulencia, el modelo generalizado de tasas finitas de Arrhenius y Magnusen para el cálculo de las reacciones químicas, y el modelo de radiación por transferencia discreta, para simular el proceso de combustión en hornos industriales a través de la utilización del software comercial Fluent (versión 4.4). El objetivo principal de este estudio fue el de investigar la performance de este modelo al simular la combustión y preveer la formación de NO y CO en llamas industriales de gas natural a través de la comparación con datos experimentales. Para la simulación de la combustión se provaron dos modelos, el primeiro corresponde a una única reacción global de oxidación del metano (1 etapa), y el segundo compuesto por dos reacciones (2 etapas). Se obtiene una sensible evolución al utilizar el modelo en dos etapas envés del modelo con una etapa. Para la simulación de la formación de NO se probaron siete casos diferentes. En estos casos, se ivestigaron principalmente los mecanismos - thermal NOx -,- prompt NOx - y el método PDF para la representación de la interacción química-turbulencia. Se observa que el método PDF permite una evolución en la predicción de la formación de NO en el horno. Además, el - prompt NOx - fue el mecanismo dominante y por lo tanto se hace necesario una investigación más profunda sobre las características de ese mecanismo para mejorar los resultados en la predición de NO. A pesar de la evolución de los modelos empleados y de sus resultados durante el trabajo, se necesitan nuevas investigaciones para detectar posibles mejorías que hagan posible previsiones más realistas para la formación de NO.