U radu je razmatrana problematika razvoja sustava za nadzor trošenja reznih alata i metoda adaptivnog vođenja alatnih strojeva prema postojanosti rezne oštrice, imajući uvidu njihov značaj u projektiranju suvremenih inteligentnih obradnih sustava. U tom je smislu, u prvom dijelu rada, detaljno opisan i analiziran predloženi model hibridnog estimatora parametra trošenja zasnovan na dva serijski povezana modula. Najprije je formiran klasifikacijski modul zasnovan na analitičkom konceptu neizrazite logike bez pravila ponašanja. Time je omogućena primjena neizrazitog odlučivanja bez ograničenja u broju značajki trošenja, čime se podiže stupanj pouzdanosti i robusnosti navedenog modula kao nužnih uvjeta preciznije procjene stupnja istrošenosti. Do konačne se vrijednosti parametra trošenja iz klasificiranog područja trošenja dolazi primjenom modula za estimaciju. On je izveden primjenom regresijskog algoritma metode vektorski podržanog učenja, čime se nastojalo osigurati konačno rješenje u optimalnoj formi s obzirom na odabranu strukturu modula.U drugome je dijelu rada analiziran koncept adaptivnog vođenja alatnog stroja, pri čemu je željeni stupanj istrošenosti u prethodno definiranom vremenu obrade realiziran vođenjem preko parametra brzine rezanja. Osim navedenog kriterija, dodatnu je funkciju cilja predstavljala i maksimalna produktivnost procesa ograničena njegovim tehnološkim karakteristikama. Algoritam vođenja realiziran je umjetnom neuronskom mrežom zasnovanom na radijalnim baznim funkcijama, a šum generiran pogreškom u estimaciji iznosa parametra trošenja filtriran je korištenjem modificirane dinamičke neuronske mreže. Algoritmi umjetnih neuronskih mreža posebno su pogodni u vođenju onih procesa čija je dinamika modelirana nekom od metoda učenja s podacima dobivenim iz snimljenih signala procesa. U ovu se skupinu ubraja i trošenje reznih alata,pri čemu se podaci za strukturiranje sustava za nadzor trošenja mogu iskoristiti i za određivanje strukture ostalih elemenata regulacijskog kruga realiziranih primjenom umjetnih neuronskih mreža.