O aumento das restrições de segurança da operação de plantas modernas resultou em um crescimento na complexidade da supervisão e controle industrial. Nesse contexto, os sistemas de alarmes tem uma função relevante para o cumprimento das normas de segurança exigidas em um processo operacional. Os sistemas de alarmes são modelados para mostrar qualquer anormalidade que aconteça na operação. Para isso, é necessário um bom ajuste nos parâmetros dos alarmes, a fim de torná-los mais úteis. Uma má configuração desses parâmetros pode induzir uma decisão incorreta do operador, vindo a ocasionar um acidente. Estes ajustes não são obtidos de maneira simples, sendo capaz de gerar diversos problemas como alarmes falsos, alarmes perdidos e alarmes ruidosos. Com o intuito de obter um sistema de alarmes com bom desempenho, é proposto neste trabalho uma abordagem que faz uso de técnicas de aprendizado de máquina para decidir quando um alarme deve ou não ser ativado. As entradas do sistema são os valores atuais e passados da variável processo associados a valores passados da variável de alarme. Para validar a abordagem proposta, foi feito um estudo de caso utilizando o simulador de plantas industriais Tennessee Eastman Process, a fim determinar um sinal de alarme eficiente. Os resultados obtidos indicam que esta abordagem é promissora na criação de um alarme sem a presença de comportamentos indesejados.