En este trabajo se presenta un modelo de mantenimiento predictivo, para el intercambiador de placas E-4701 (Packinox) de la planta de hidrotratamiento de combustible de la Refinería de Barrancabermeja, el cual evidencia un ensuciamiento recurrente desde finales el año 2019, limitando la carga de la U4700. Debido a la complejidad del fenómeno físico químico y las múltiples variables que intervienen en la operación, se desarrolló un modelo basado en redes neuronales para identificar la variable problema y predecir el tiempo de ensuciamiento según las condiciones operacionales del equipo. En principio, se recopiló una base de datos de 21 variables de contexto operacional, desde enero 2013 a diciembre 2021, las cuales fueron correlacionadas y depuradas. Luego, se utilizó la librería de redes neuronales del programa Matlab, para construir el modelo de predicción de aumento de diferencial de presión en E-4701, utilizando una arquitectura de red tipo LSTM. Finalmente se logró un modelo que permite predecir el diferencial de presión teniendo en cuenta el histórico de los datos de entrenamiento, además se identificó el valor límite de la variable problema en la operación para evitar el ensuciamiento acelerado y el valor a partir del cual se revierte la reacción y se presenta la descomposición térmica de las sales disminuyendo el ensuciamiento del equipo. Palabras clave: Predicción, Sublimación de sales, Ensuciamiento, Redes neuronales LSTM