ResumoA carga de laminação é um dos principais fatores que provocam o desgaste dos cilindros. Identificar quanto e como é o desgaste ocorrido durante o processo é um problema que a indústria de produtos laminados enfrenta há muitos anos, sendo motivo de muitos estudos nessa área. Esse desgaste, além de gerar custo para o fabricante, gera uma deformação no perfil no passe do laminador, fazendo com que a qualidade do produto final seja afetada. Deseja-se, com este trabalho, detectar e identificar o desgaste ocorrido nos cilindros de um laminador a quente de produtos não-planos na sequência de passe de seção redonda-oval-redonda, durante a produção, ou seja, online. Utilizando-se métodos de cálculo semi-experimentais e ferramentas baseadas em redes neurais, desenvolveu-se um sistema híbrido capaz de prever o desgaste dos canais dos cilindros. Foram realizadas inúmeras leituras dos valores de algumas das principais variáveis durante o processo de fabricação desses produtos laminados de uma grande empresa do ramo. Os resultados medidos foram analisados e foi gerada uma base de dados para a criação do modelo de previsão do desgaste nos canais, baseado em redes neurais artificiais e modelos semi-empíricos de cálculo do perfil de desgaste. O modelo foi testado na planta e os resultados foram bastante precisos. Palavras-chave: Laminação a quente; Laminação de longos; Desgaste de cilindros; Redes neurais artificiais. HYBRID MODEL FOR PREDICTION OF WEAR ON BAR ROLLING ROLLS AbstractThe rolling load is one of the key factors influencing the wear of the rolls. To identify the amount and the shape of the worn roll online the production process is an old problem that the rolling industry has been facing for many years, being the subject for study and research. Excessive wear of the rolls means extra cost and a drop in quality of the rolled product. This work has the objective to develop an online system in order to detect and identify the amount and the shape of the worn roll for a hot rolling tandem mill of round-oval-round bars. Starting from the knowledge of the most influential parameters, these values were recorded during the bar production process at a major bar rolling industry. The results were analyzed and a database was created to train two artificial neural networks that work with semi-empirical mathematical models to calculate the wear profile of the channels of the rolls. The model was tested and the results agree well in real operational situations.