A crescente automatização dos processos industriais estimula a busca por sistemas estáveis e confiáveis. No entanto, a ocorrência de falhas em dispositivos industriais é uma realidade, que pode causar danos significativos à segurança, meio ambiente e desempenho do sistema. Este trabalho propõe a aplicação da Rede Neural Multilayer Perceptron como método de detecção e diagnóstico de falhas em um sistema de reator de tanque com agitação contínua (CSTR, do inglês Continuous Stirred Tank Reactor), um sistema com ampla utilização na indústria. O objetivo é desenvolver um sistema de estimação de falhas para atuar como um módulo de detecção e isolamento de falhas (FDI, do inglês Fault and Isolation Diagnosis), capaz de fornecer informações a um sistema de Controle Tolerante a Falhas (FTC, do inglês Fault Tolerant Control). Esse sistema visa manter o funcionamento do CSTR de forma segura e com boas métricas de desempenho, mesmo em condições de falha. A pesquisa contribui para a evolução de métodos de detecção e diagnóstico de falhas em sistemas dinâmicos controlados e destaca o papel essencial da Inteligência Artificial na garantia de operações confiáveis e seguras no controle de processos industriais.