There are a large number of costs that enterprises need to bear in order to produce the same product at the same quality for a more affordable price. For this reason, enterprises have to minimize their expenses through a couple of measures in order to offer the same product for a lower price by minimizing these costs. Today, quality control and measurements constitute one of the major cost items of enterprises. In this study, the modulus of elasticity values of particleboards were estimated by using Artificial Neural Networks (ANN) and other mechanical properties of particleboards in order to reduce the measurement costs in particleboard enterprises. In addition to that, the future values of modulus of elasticity were also estimated using the same variables with the purpose of monitoring the state of the process. For this purpose, data regarding the mechanical properties of the boards were randomly collected from the enterprise for three months. The sample size (n) was: 6 and the number of samples (m): 65 and a total of 65 average measurement values were obtained for each mechanical property. As a result of the implementation, the low Mean Absolute Percentage Error (MAPE), Mean Absolute Deviation (MAD) and Mean Squared Error (MSE) performance measures of the model clearly showed that some quality characteristics could easily be estimated by the enterprises without having to make any measurements by ANN.; Tvrtke u proizvodnji imaju velik broj troškova, a cilj im je proizvesti kvalitetne proizvode po što pristupačnijoj cijeni. Stoga nizom mjera nastoje smanjiti proizvodne troškove, ali ponuditi jednako kvalitetan proizvod po nižoj cijeni. Danas su kontrola i provjera kvalitete jedna od glavnih stavki troškova poduzeća. U ovom su istraživanju procijenjene vrijednosti modula elastičnosti i drugih mehaničkih svojstava iverice primjenom umjetnih neuronskih mreža (ANN) kako bi se smanjili troškovi kontrole kvalitete. Osim toga, uz pomoću istih varijabli procijenjene su buduće vrijednosti modula elastičnosti radi praćenja stanja procesa. S tim ciljem poduzeće je tri mjeseca nasumično prikupljalo podatke o mehaničkim svojstvima ploča. Istraživanje je provedeno na uzorku od šest ploča i za svako mehaničko svojstvo dobiveno je ukupno 65 prosječnih mjernih vrijednosti. Kao rezultat implementacije modela, mjerenja su jasno pokazala da tvrtke mogu lako procijeniti neka obilježja kvalitete iverice uz pomoć niske srednje apsolutne pogreške (MAPE), srednjega apsolutnog odstupanja (MAD) i srednje kvadratne pogreške (MSE), bez bilo kakvih mjerenja.