Most organizations in manufacturing environments aim to increase their profits and reduce costs against competitive and rapidly changing market conditions. Accuracy of sales forecasting is undoubtedly a successful way to reach the aforementioned goals. At the same time, this enables executives to improve customer satisfaction, reduce lost sales and plan production efficiently. As a growing industry in Turkey, furniture manufacturing has an increased product demand in relation to the recent growth in construction and related industries, increase in urban population and increase in person-level income. Therefore, accurate sales forecasting systems in this industry are more focused on the special and calendar factors, such as consumer confidence index, producer price index, time of the year and number of vacation days. In this paper, an artificial neural network (ANN) based forecasting model is proposed by using MATLAB for processing total monthly sales data of a corporate furniture manufacturer located in the Black Sea region of Turkey. The method is a component of ANN, namely Bayesian regularization. The proposed model is applied to monthly sales figures of a corporate furniture manufacturing company. In conclusion, the results of performance measures show that using the ANN model based on Bayesian rules training is an applicable choice for forecasting of monthly sales of the observed furniture factory. Keywords: artificial neural networks; Bayesian rules training; sales forecasting; furniture manufacturing Cilj vecine proizvodnih organizacija jest povecanje dobiti i smanjenje troskova u skladu s konkurentnim i promjenjivim trzisnim uvjetima. Tocnost predvidanja prodaje nesumnjivo je uspjesan nacin postizanja navedenih ciljeva. Istodobno, to povecava zadovoljstvo korisnika, ucinkovito smanjuje izgubljenu prodaju i omogucuje bolje planiranje proizvodnje. U proizvodnji namjestaja, industriji koja se u Turskoj sve jace razvija, biljezi se povecana potraznju proizvoda, u skladu s nedavnim rastom gradevinskih i srodnih industrija, s povecanjem broja urbanog stanovnistva i s rastom osobnih prihoda. Stoga precizni sustavi predvidanja prodaje u industriji namjestaja vise pozornosti usmjeravaju na posebne i kalendarske cimbenike poput indeksa povjerenja potrosaca, indeksa proizvodackih cijena, doba godine i broja dana odmora u godini. U ovom je radu predlozen model predvidanja na temelju umjetne neuronske mreze (ANN) uz pomoc MATLAB-a za obradu podataka ukupne mjesecne prodaje proizvodaca uredskog namjestaja koji se nalazi u Crnomorskoj regiji u Turskoj. Metoda je komponenta ANN-a, tj. Bayesova regulacija. Predlozeni se model primjenjuje na podatke o mjesecnoj prodaji tvrtke za proizvodnju uredskog namjestaja. zakljucno, rezultati mjerenja uspjesnosti pokazuju da je primjena ANN modela utemeljenoga na Bayesovim pravilima dobar izbor za prognoziranje mjesecne prodaje promatrane tvornice namjestaja. Kljucne rijeci: umjetne neuronske mreze, Bayesova pravila ucenja, predvidanje prodaje, proizvodnja namjestaja