Este estudio investiga el uso de redes neuronales para predecir parámetros característicos de la curva de presión del proceso de aplicación de grasa. Se utilizó una combinación de dos redes neuronales feed-forward para estimar tanto el valor como la desviación estándar de características seleccionadas. Se probaron y evaluaron varias configuraciones de neuronas en su capacidad para hacer una estimación probabilística de los parámetros del lubricante. La red de valor se entrenó con un conjunto de datos que contenía el conjunto completo de características y con un conjunto de datos que contenía sus valores promedio. Como era de esperar, la red completa pudo predecir bien las características ruidosas, mientras que la red promedio realizó predicciones más suaves. Esto también se refleja en los valores de R2 de las redes, que son 0.781 para la red completa y 0.737 para la red promedio. Se probaron varias configuraciones de neuronas adicionales para encontrar la configuración más pequeña posible. El análisis mostró que tres o más neuronas ofrecen el mejor ajuste para todas las características, mientras que una o dos neuronas no son suficientes para la predicción. Los resultados mostraron que la curva de presión del proceso de aplicación de grasa a través de válvulas de presión puede estimarse utilizando redes neuronales.