اثر دما و زمان هموژن سازی، طراحی قالب بر روی تشکسل عیوب اکستروژن در آلیاژ 2024 و خواص مکانیکی محصول مورد بررسی قرار گرفت . همچنین تاثیر این پارامترها بر روی سرعت ماکزیمم (بالاترین سرعت خروج محصول قبل از تشکیل ترکهای سرعتی و تاول روی سطح محصول) و فشار حداکثر به دست آمد. دو دمای هموژن سازی 460 و 500 درجه سانتی گراد و سه زمان گرم کردن (4،8،12 ساعت ) و نگهداری (6،12،24 ساعت ) و سرد کردن (2،4،8 ساعت ) به روی بیلت ها اعمال گردید و اکسترود شدند. دو نوع قالب تخت و مدرن برای اکسترود بیلت های تهیه شده در شرایط یکسان مورد آزمایش قرار گرفت . نتایج نشان داد که مناسبترین دمای هموژن سازی برای آلیاژ 2024 با توجه به درصد عناصر مس و منیزیم 500 درجه سانتیگراد است و بهترین خواص مکانیکی برای هموژن سازی با گرم کردن 8 ساعت ، نگهداری 24 ساعت و سردکردن 2 ساعت حاصل می شود. به عنوان یک نتیجه می توان گفت برای رسیدن به بالاترین سرعت ماکزیمم، هموژن سازی با بالاترین سرعت سردکردن (230 c/hr) و بالاترین زمان نگهداری (24 ساعت ) مطلوب است . در فرایند اکستروژن استفاده از قالب های مدرن نتایج بهتری را حاصل می کند و تشکیل عیوب اکستروژن را به تعویق می اندازد.

نتیجه این تحقیق بر این اصل استوار است که رسالت اصلی در مکتب اسلام هدایت انسان به سوی خودیابی است و برنامه ریزی ، سازماندهی ، هدایت ، رهبری ، انگیزش ، ارتباطات و کنترل در این مکتب بایستی براساس موازین شرع و مقررات اسلامی باشد و هدف تعالی انسان را تامین نماید البته نه به این معنا که انسان جنبه مادی ندارد بلکه انسان هم جنبه مادی دارد و هم جنبه معنوی و بر مدیران است که با ایجاد فرهنگ اسلامی در سازمان ، کارکنان را به سوی کمال و خودیابی هدایت کنند. پس بر خلاف مکاتب کلاسیک ، نئوکلاسیک و اقتضایی که هدف تولید را دنبال می نمایند هدف در اسلام بر دو پایه تعالی و تولید بنا شده است و تولید در این مکتب تا زمانی دارای ارزش است که در خدمت تعالی انسان باشد.

شبکه های عصبی پس انتشار ‏‎(backpropagation)‎‏بعنوان ابزاری قدرتمند در علوم و فنون کاربردی وسیع دارند. در این میان در زمینه علم و مهندسی مواد، مسائل جدیدی وجود دارند که می توان با استفاده از این شبکه ها با صرف کمترین زمان و هزینه پیش بینی های لازم را انجام داد. در تحقیق حاضر با استفاده از همین شبکه ها، پانزده مورد مختلف متالورژیکی که در مهندسی مواد اهمیت ویژه دارندمورد مطالعه قرار گرفتند. با استفاده از داده های موجود، شبکه های عصبی آموزش یافتند. در نهایت رابط گرافیکی کاربر ‏‎(gui)‎‏ به منظور استفاده راحتتر از شبکه ها، نوشته و تهیه گردید. نتایج نشان دادند که قدرت پیش بینی این شبکه ها بسیار بالا بوده، بگونه ای که در بسیاری از موارد نیاز به آزمایش جدید و صرف هزینه وجود ندارد.