A partir de um banco de dados com 70 realces de três diferentes mineralizações (Carvoaria, Cachorro Bravo e Laranjeiras) e 25 variáveis locacionais, geométricas, geológico-geotécnicas e de perfuraçãoe desmonte, foram conduzidas análises por métodos de aprendizado de máquina, a fim de determinar as variáveis mais relevantes na ocorrência de diluição operacional da mina em estudo. Os métodos escolhidos foram Árvores de Decisão (DT) e Florestas Aleatórias (RF), sendo este capaz de determinar a importância de variáveis por meio do estimador de erros Out-of-Bag (OOB). O estimador OOB foi mais eficiente na definiçãode significância de variáveis, com valores de R² superiores aos obtidos por meio das DT. Os resultados do corpo Carvoaria indicaram que adequações nas geometrias de projeto dos realces são demandadas. Para o corpo Cachorro Bravo há necessidade de atenções e cuidados direcionados às tensões in-situ e induzidas, enquanto para o corpo Laranjeiras as análises sugerem que o plano de fogo deve ser redimensionado, para evitar rupturas por quedas de blocos que causam diluição não planejada. Apesar das restrições de amostras disponíveis no banco de dados, o trabalho conseguiu mostrar a relevância de variáveis na diluição de cada mineralização e propor melhorias direcionadas para cada caso.