Djelotvornost izmjenjivača topline opada s vremenom te ga je nakon nekog vremena potrebno servisirati, tj. mehanički ili kemijski očistiti od nakupljenih naslaga. Djelotvornost počinje padati nakon nekog vremena zbog nastajanja naslaga koje djeluju kao otpor prijenosu topline (tzv. fouling). Kako bi se mogao organizirati rad postrojenja i odrediti termin servisiranja nužno je poznavati trenutno stanje promatranog izmjenjivača topline, odnosno potrebno je kontinuirano pratiti nastajanje naslaga na stijenkama. Mehanizam nastajanja naslaga je uglavnom nepoznat i nedovoljno istražen stoga se pribjegava empirijskim modelima za procjenu nastajanja naslaga. Jedan od modela koji se pokazao primjenjiv, ali još uvijek nedovoljno istražen za praćenje nastajanja naslaga je model neuronskih mreža iz područja umjetne inteligencije. U ovome radu primijenjen je model neuronskih mreža za procjenu stanja industrijskog izmjenjivača topline iz postrojenja u naftno petrokemijskoj industriji. Kako su procesni uvjeti u industrijskim procesima izrazito nestacionarni i nelinearni, ispitivana je primjena rekurentnih (povratnih) neuronskih mreža. Statistički kriteriji vrednovanja kvalitete modela kao i dobiveni grafički rezultati ukazuju na to da se rekurentne neuronske mreže mogu koristiti za kontinuirano praćenje nastajanja naslaga u izmjenjivačima topline.