Debido a la complejidad que el rock typing presenta, asociada a la cantidad de data que se posee y a la adecuada clasificación que debe ser realizada a las regiones de roca, se propone la integración de algoritmos para el análisis de data y la interpretación petrofísica como una alternativa innovadora, rápida y confiable. En la propuesta se ha utilizado Machine Learning K-means, para el agrupamiento de los datos y el análisis de silueta con el fin de determinar el número de grupos para las unidades de flujo hidráulico basados en datos obtenidos de registros de pozo. Se analizó el pozo 04 de Capahuari Sur (Loreto, Perú), en el cual se determinó la presencia de 3 unidades de flujo hidráulica para los reservorios Vivian y Chonta, utilizando datos de porosidad y permeabilidad en base a un método de clustering propuesto comparado con el método convencional plot de Lorentz.