امروزه باگسترش روز افزون تکنولوژی در زمینه های مختلف استفاده از مواد سنتی دیگر پاسخگوی نیازهای نیست کامپوزیتها مانند پلاستک های تقویت شده با الیاف شیشه یا کربین دارای ترکیبی از خصوصیاتی مانند وزن کم مقاومت بسیار بالا وصلبیت بالا هستند. به عبارت دیگر توسعه مدلسازی و تعیین رابطه بین پارامترهای ماشینکاری مستقل سرعت برشی ? سرعت پیشروی? عمق برش? قطر تیغ فرزو تعدادلبه تیغ فرز) و متغیرهای ماشینکاری وابسته (صافی سطح? نرخ برداشت ماده ? غدد تورق و ... ) در هر ترکیب خاص از جنس ابزار و قطعه کار و ایجاد یک پایگاه داده بزرگ فرایندی بسیار وقت گیر و هزینه می باشد در این پروژه پیش بینی متغیرهای ماشینکاری بهینه در عملیات فرزکاری همراه به سسه تیغ فرز انگشتی با قطرها ولبه های مختلف و در عمق های برشی مختلف انجام گرفته است در حالت اول آزمایشات تجربی جهت آموزش شبکه و تست شبکه های عصبی انجام گرفته است. این شبکه ها قادر به پیش بینی مقادیر صافی سطح با دقت بالا می باشند در این حالت جهت پیش بینی مقدار بهینه صافی سطح از الگوریتم ژنتیک تک هدفه استفاده شده است. در حالت دوم آزمایشات تجربی جهت آموزش شبکه و تست شبکه های عصبی انجام گرفته است. این شبکه ها قادر به پیش بینی مقادیر عدد تورق با دقت بالا می باشند. همچنین برای پیش بینی مقادیر صافی سطح و عدد تورق از الگوریتمnsga ii بعنوان یکی از کارامدترین روشهای بهینه سازی چند هدفه استفاد شده است ازمایشات انجام شده در این بخش در سه سطح برای سرعت برشی ? پیشروی ? عمق برشی و قطر تیغ فرز و دو سطح برای تعداد لبه تیغ فرز و براساس روش فاکتوریل کامل برای رسیدن به دقت بیشتر و پیش بینی دقیق تر پارامترهای خروجی انجام شده است.همچنین با استفاده از رگرسیون خطی چهار رابطه تیوری برای صافی سطح و عدد تورق با توجه به تعداد لبه ابزار به دست آمده است نتایج به دست آمده از روابط به دست آمده با نتایج حاصل از تجربه مقایسه شده است.