La fabricación aditiva se está convirtiendo en una de las herramientas más utilizadas en un número creciente de campos, desde los conceptos de la Industria 4.0, la ingeniería y la fabricación, hasta aplicaciones aeroespaciales y médicas. Un problema importante con los componentes fabricados aditivamente es su comportamiento ortotrópico en lo que respecta a las propiedades mecánicas. Este comportamiento se debe al proceso de fabricación capa por capa y es particularmente difícil de predecir, ya que depende de una serie de factores, incluidos los parámetros de fabricación utilizados durante el proceso (velocidad, temperatura, etc.). Este estudio tuvo como objetivo crear y entrenar un modelo predictivo basado en redes neuronales artificiales utilizando datos empíricos de resistencia a la tracción obtenidos de piezas de prueba fabricadas aditivamente utilizando el método FDM y material PLA. El modelo predictivo fue diseñado para predecir características mecánicas para diferentes ejes de orientación, que se utilizaron para establecer las propiedades del material para el análisis de elementos finitos. Los resultados indican una fuerte correlación entre el comportamiento predicho del análisis de elementos finitos y las pruebas del mundo real en componentes fabricados aditivamente. El modelo de red neuronal fue entrenado con una precisión de aproximadamente el 93% para predecir las características mecánicas del material PLA impreso en 3D. Al utilizar las características mecánicas predichas para definir un perfil de material ortotrópico personalizado en el análisis de elementos finitos, el modo de fallo simulado y el comportamiento de un componente de geometría compleja coincidieron con la prueba del mundo real.