Processos de Manufatura Avançada (P.M.A.) necessitam de rigoroso controle da produção e de qualidade do produto manufaturado final [1]. Neste cenário, perdas produtivas ocorrem, o que acarreta em aumento nos custos de produção. Portanto, é proposta uma previsão do perfil e do tipo de parada de linha, dada entrada de um evento de parada de linha que ocorre em tempo real. Utilizando a proposta de Mineração de dados dos resultados entre os anos de 2018 até 2020 do histórico de paradas, à luz da metodologia CRISP-DM, foram encontrados valores de acurária na medição do tempo de parada de linha com a abordagem do Random Forest [4], [16]. Em um cenário de desbalanceamento das classes da base de dados, foi encontrado 51% de acurária, enquanto que com o balanceamento das mesmas classes e repetição dos testes para valores distintos, foi atingido 38% de acurácia. Por fim, o surgimento desse perfil de perda e de tempo a ser previsto auxiliará na tomada de decisão do gerente do negócio quando, por exemplo, eventos de paradas de produção para reparação de equipamentos serão necessários de acontecer, para prevenir grandes paradas de linha.