La adquisición masiva de datos y la obtención de información a partir de estos, con la ayuda de técnicas de inteligencia artificial, han sentado las bases de lo que se considera la Cuarta Revolución Industrial. Su aplicación en la industria del cemento ha impulsado el desarrollo del sector, contribuyendo a su transformación digital. En no pocas ocasiones los datos adquiridos son considerados irregulares, lo que implica que presentan, entre otros: valores atípicos, incompletitud y errores en las mediciones. Tal característica dificulta la predicción de variables de procesos usando técnicas tradicionales, lo cual se toma como problemática a resolver en la presente investigación. Así, se traza el objetivo de proponer un modelo basado en redes neuronales LSTM capaz de predecir variables a partir de datos irregulares disponibles de un proceso en plantas de cemento. Con respecto a la metodología empleada se muestra un estudio con un alcance descriptivo. Se basó en la utilización del modelo SEMMA de análisis de datos (muestro, exploración, modificación, modelado y evaluación). Se tomó el horno calcinador de la planta de cemento ecológico de la UCLV como caso de estudio. Los resultados alcanzados en las simulaciones muestran índices de predicción superiores al 90% con errores máximos inferiores al 5% de los valores medidos. El modelo obtenido se considera un aporte al campo de la calcinación en hornos de cemento ecológico y una contribución a la necesaria transformación digital del sector.