Resumo. O ácido succínico, metabólito comum de microrganismos, utilizado no mercado alimentício é produzido exclusivamente por via fermentativa e grande atenção tem sido dada para o uso de matérias-primas renováveis para esse fim. Este trabalho teve como objetivo determinar as variáveis que influenciam na produção de ácido succínico por via fermentativa utilizando a cepa Actinobacillus succinogenes (CIP 106512) por meio de um planejamento fatorial fracionário e testar diferentes arquiteturas de redes neurais artificiais para modelar esse processo. As redes neurais artificiais (RNAs) utilizadas possuem três camadas e foram do tipo Multilayer Perceptron (MLP), com o algoritmo de aprendizagem Backpropagation. Utilizaram-se 13 e 6 dados experimentais para a aprendizagem e teste das redes, respectivamente. Variaram-se os números de neurônios da camada intermediária, a taxa de aprendizagem e as funções de ativação. Após a avaliação das arquiteturas, verificou-se que a função de ativação sigmoidal apresentou um melhor desempenho comparada à tangente hiperbólica e que o número de neurônios e taxa de aprendizagem influenciam diretamente no erro. O modelo neural que apresentou o menor erro quadrático foi a rede com a função sigmoidal, taxa de aprendizagem 0,1 e 5 neurônios na camada intermediária. Com o desenvolvimento deste trabalho foi possível determinar as variáveis que mais influenciam na produção do ácido succínico e a construção do modelo neural para o processo. Palavras-chave: Biotecnologia. Inteligência artificial. Modelagem. Otimização.