بهینه سازی فرآیند های پیچیده ی ساخت و تولیدی که دارای طبیعت پیچیده می باشند با استفاده از روش های تحلیلی امکان پذیر نیست. در این فرآیند های تولیدی می توان بر مبنای داده های دریافتی از شرایط کاری، سیستم را شناسایی و از متامدل ها برای مدلسازی و بهینه سازی فرآیند استفاده کرد. این داده ها شامل مجموعه اطلاعاتی از نتایج آزمایش هایی است که دستیابی به اهداف ساخت را بررسی می کنند. دراین مقاله به منظور دستیابی به شرایط فرآیندی بهینه و حصول اهداف تولید، راه حل هایی بر مبنای تکنیک های هوش مصنوعی ارائه شده است. روش اول ترکیب ابزارهای مدلسازی همانند شبکه های عصبی و الگوریتم های تکاملی مانند الگوریتم ژنتیک می باشد. روش دوم مبتنی بر استفاده از شبکه های عصبی مصنوعی و آموزش شبکه عصبی معکوس می باشد. در این شبکه عصبی می بایست از نتایج آزمایش ها به عنوان ورودی و از متغیرهای کنترلی به عنوان خروجی برای آموزش شبکه استفاده شود. در این مقاله راهکارهایی برای کاهش هزینه و زمان بهینه سازی ارائه شده است.
