The paper demonstrates the comparison of Monte Carlo simulation algorithm with neural network enhancement in the reliability case study. With regard to process dynamics, we attempt to evaluate the tank system unreliability related to the initiative input parameters setting. The neural network is used in equation coefficients calculation, which is executed in each transient state. Due to the neural networks, for some of the initial component settings we can achieve the results of computation faster than in classical way of coefficients calculating and substituting into the equation. W artykule przedstawiono porównanie algorytmu symulacyjnego wykorzystującego metodę Monte Carlo względem rozszerzenia sieci neuronowych na przypadek badania niezawodności obiektów. W odniesieniu do dynamiki procesu, podjęliśmy próbę oceny niepewności (zawodności) układu zbiornika w zależności od początkowych ustawień parametrów wejściowych. Do wyznaczenia współczynników równań wykorzystywane są sieci neuronowe, a proces obliczeniowy jest wykonywany dla każdego stanu przejściowego (nieustalonego). Dzięki zastosowaniu sieci neuronowych, dla pewnych ustawień wartości początkowych jesteśmy w stanie otrzymać wyniki obliczeń szybciej, niż w przypadku zastosowania klasycznej metody wyliczenia współczynników i podstawienia ich do równania wyjściowego.