A crescente sensorização, aliada à capacidade de transferir, armazenar e analisar dados, permite tirar partido de modelos de aprendizagem computacional para processar dados em tempo quase real. Para a manutenção, estes métodos permitem diagnosticar falhas bastante cedo, ou até prevê-las antes que aconteçam. Os modelos de aprendizagem computacional, designadamente redes neuronais, têm ganho atenção crescente. No presente artigo dá-se o exemplo concreto de aplicação de uma rede recorrente na previsão dos valores de temperatura e outras variáveis para uma prensa de pasta de papel, onde se conseguem erros muitas vezes inferiores a 10%.