No presente trabalho, dados observados em escala industrial, durante alguns anos, foram submetidos à modelagem empregando modelos aditivos generalizados e redes neurais artificiais, como ferramentas para avaliar a influência de algumas variáveis, da madeira e do processo, sobre a produção do digestor e carga alcalina. Os modelos aditivos generalizados foram ajustados utilizando o software R, através da biblioteca “mgcv”. Foram aplicados testes de significância para cada modelo ajustado. De forma complementar, os dados foram ajustados em 100 redes neurais artificiais para relacionar a produção do digestor e a carga alcalina, com diversas variáveis de processo e de polpa de celulose. Nesta etapa do trabalho, foi empregado o software Statistica e os dados resultantes mostraram que o modelo aditivo generalizado constitui uma boa opção para representar os fenômenos da indústria de celulose, com correlação de 88% entre os dados reais e os estimados. Este modelo é adequado para variáveis que apresentam alta variabilidade e em que não há um rigoroso controle, diferentemente do que ocorre em dados provenientes de delineamentos experimentais. A aplicação de redes neurais artificiais para estimar a produção do digestor e para carga alcalina também mostrou-se de moderada a forte, com correlações entre os dados reais e estimados que ficaram acima de 60%.