کشش عمیق یکی از پرکاربردترین فرآیندهای شکل دادن ورق های فلزی است که کاربرد گسترده ای در صنایع مختلف مانند اتومبیل سازی، هوا و فضا، پتروشیمی و داروسازی دارد. کیفیت قطعات تولیدی در این روش به عوامل متعددی مانند خواص ماده، هندسه قالب و پارامترهای تنظیمی فرآیند بستگی دارد. تنظیم نامناسب هر یک از این پارامترها باعث ایجاد عیوب مختلفی از جمله نازک شدگی، پارگی و چروکیدگی خواهد شد. هدف از این تحقیق مدل سازی آماری و بهینه سازی فرآیند کشش عمیق است تا بر اساس آن بتوان نوع و میزان تاثیر پارامترهای فرآیند و همچنین مقادیر بهینه آنها را تعیین نمود. متغیرهای مورد مطالعه شامل شعاع لبه سنبه و ماتریس، نیروی ورق گیر و شرایط اصطکاکی بین ورق و اجزای قالب می باشند. در مقابل چروکیدگی و نازک شدگی به عنوان دو مشخصه مهم خروجی فرآیند در نظر گرفته شده اند. در گام نخست، فرآیند کشش عمیق برای ورق های فولادی ضد زنگ 304 (sus304)با استفاده از روش اجزای محدود مدل سازی شده است. برای اطمینان از مدل شبیه سازی شده، نتایج آن در مقابل داده های آزمایشات عملی مقایسه گردیده است. پس از صحه گذاری مدل اجزای محدود، براساس رویکرد طراحی آزمایشات به روش دترمینان بهینه، آزمایشات مورد نظر با استفاده از مدل اجزای محدود انجام و داده های مورد نیاز گردآوری شده است. در گام بعدی، با استفاده از داده های جمع آوری شده مدل سازی شبکه عصبی مصنوعی برای هر یک از خروجی های فرآیند انجام گردیده است. نتایج حاصل از مدل های پیشنهادی شبکه عصبی مبین دقت و سرعت بالای آنها در پیش بینی خروجی های فرآیند کشش عمیق است. بنابراین نیازی به استفاده از مدل اجزاء محدود یا انجام آزمایشات عملی برای سایر مراحل تحقیق نخواهد بود. در مرحله نهایی این پژوهش، مدل های شبکه عصبی در فرآیند بهینه سازی توسط الگوریتم فراابتکاری تبرید تدریجی مورد استفاده قرارگرفته اند تا مقادیر بهینه متغیرهای فرآیند تعیین شوند. نتایج بهینه سازی نشان می دهد که، ضمن حفظ مشخصات هندسی قطعه و حذف کامل چروکیدگی، میزان نازک شدگی قطعه را می توان بنحو قابل ملاحظه ای کاهش داد.