La estimación del tiempo de ciclo de cada trabajo en una fábrica de obleas es una tarea crítica para todo fabricante de obleas. En los últimos años, se han propuesto varios enfoques híbridos basados en la clasificación de trabajos (preclasificación o postclasificación) para la estimación del tiempo de ciclo. Sin embargo, el problema de estos métodos es que las variables de entrada no son independientes. Para resolver este problema, se considera útil el análisis de componentes principales (ACP). En este estudio, se propone un enfoque de clasificación fuzzy-neural, basado en la combinación de PCA, fuzzy c-means (FCM), y back propagation network (BPN), para estimar el tiempo de ciclo de un trabajo en una fábrica de fabricación de obleas. Dado que la clasificación de los trabajos es una parte importante de la metodología propuesta, se propone un nuevo índice para evaluar la validez de la clasificación de los trabajos. También se encuentra la relación empírica entre el valor S y el rendimiento de la estimación. Por último, se emplea un proceso iterativo para tratar los valores atípicos y optimizar el rendimiento global de la estimación. Se utiliza un caso real para evaluar la eficacia de la metodología propuesta. Según los resultados experimentales, la precisión de la estimación de la metodología propuesta fue significativamente mejor que la de los enfoques existentes.