O etileno é um dos produtos petroquímicos de alta demanda no mercado, por ser um composto intermediário para produção de plásticos e outros líquidos como alfa olefinas. Os processos convencionais de produção de etileno, tais quais o craqueamento térmico ou a vapor e a desidratação do etanol, possuem pontos negativos como a falta de sustentabilidade e o elevado custo. Uma potencial rota alternativa é o acoplamento oxidativo do metano (OCM), que utiliza o gás natural como matéria-prima. Apesar de vantagens como o baixo custo comparado com as rotas convencionais e abundância da matéria-prima, o processo OCM apresenta dificuldades em obter uma alta conversão e seletividade do etileno. Por esta razão, uma vasta quantidade de estudos está sendo desenvolvida visando maximizar o rendimento do etileno; alguns, inclusive utilizando a inteligência artificial, que vem se expandido cada vez mais, permeando em diversas áreas de trabalho. Neste sentido, o objetivo deste projeto é simular o processo OCM via redes neurais artificiais, na tentativa de aprimorá-lo. Para isso foi utilizado a linguagem de programação Python e a plataforma Google Colaboratory. Os modelos foram alimentados com os dados experimentais de dois catalisadores: Mn-BaWO4/SiO2 e Mn-Na2WO4/SiO2. Para a construção do modelo de rede neural consideraram-se a conversão de CH4, seletividade de C2 e seletividade de C2H4 como variáveis de entrada e a razão CH4/O2 como variável de saída. Ao final do estudo, o modelo da rede neural gerou uma resposta para a predição da razão CH4/O2. Para o catalisador Mn-BaWO4/SiO2, apesar de a maioria não apresentar R2 e RMSE no intervalo desejado, a configuração de 300 épocas e 64 lotes levou a um R2 de teste de 55,2 por cento e RMSE de 0,908. Já para o catalisador Mn-Na2WO4/SiO2, a melhor configuração correspondeu a 270 épocas e 64 lotes, com R2 de teste de 54,2 por cento. Conclui-se, então, que apesar de os resultados encontrados levarem a um R2 aproximadamente de 55 por cento, o uso das redes neurais artificiais mostrou-se viável para a aplicação de algoritmos de aprendizado de máquina reverso.