فرآیند کشش عمیق یک فرآیند انعطاف پذیر و ارزان قیمت است که برای تولید قطعات به صورت انبوه مورد استفاده قرار می گیرد. قابلیت کشش ورق-های فلزی در فرآیند کشش عمیق توسط نسبت کشش مشخص می شود که متاثر از خواص جنس ورق و پارامترهای فرآیند کشش عمیق می باشد. تعیین حد شکل دهی یکی از چالش های مهم در این فرآیند محسوب می گردد. حد نسبت بزرگ ترین قطر ورق (d_max)، به قطر فنجان ( d ) که بدون شکست و پارگی تبدیل می شود، حد نسبت کشش نامیده می شود. ارتباط بین حد نسبت کشش یک ورق فلزی با خواص مواد آن و پارامترهای فرآیند، برای بهبود توانایی کشش ورق ها، بسیار ضروری می باشد. زیرا هر چه این نسبت بزرگتر باشد، ارتفاع فنجان نیز بلندتر خواهد بود. حل عددی مسئله نیز، نیاز به صرف هزینه و وقت زیاد دارد و برای هر مسئله خاص باید یک حل جداگانه صورت گیرد. در این جا حد نسبت کشش در فرآیند کشش-عمیق با تکیه بر اطلاعات تجربی و شبیه سازی به روش اجزای محدود، توسط یک شبکه عصبی پیش بینی می گردد. لذا هدف این است که با سازماندهی داده های حاصل از تحلیل اجزای محدود فرآیند در یک شبکه عصبی، یک تابع ریاضی تولید نمود، و یک راه حل ساده تر و سریع تر برای حل این مساله به دست آورد. از آن جا که حد نسبت کشش تحت تاثیر پارامترهای مختلفی است در این جا تاثیر پارامترهای مختلفی از قبیل: ضخامت ورق، ضریب اصطکاک، شعاع انحنا قالب، شعاع انحنا سنبه، نیروی ورق گیر و سرعت سنبه، مورد بررسی قرار گرفته اند. به منظور بانک اطلاعات برای آموزش شبکه عصبی مصنوعی جهت تعیین حد نسبت کشش، پارامترهای ذکر شده در سطوح مختلف مطابق با آرایه l_27 تاگوچی ترکیب شده و فرآیند کشش عمیق برای 27 حالت متفاوت شبیه سازی و حد نسبت کشش برای هر کدام از حالت ها به روش سعی و خطا به دست می آید. شبیه سازی فرآیند توسط نرم افزار اجزای محدود abaqus انجام شده که نتایج آزمایشات تجربی موید درستی نتایج حاصل از شبیه سازی می باشند. از معیار آسیب نمودار حد شکل دهی برای پیش بینی شروع آسیب ورشد آن در فرآیند استفاده و حد شکل پذیری ورق تعیین می شود. سپس نتایج حاصل از شبیه سازی به عنوان داده های آموزشی جهت آموزش شبکه استفاده می شود. مدل سازی شبکه عصبی و تست آن توسط نرم افزار متلب انجام شده-است. بنابراین با سازماندهی داده های حاصل از شبیه سازی فرآیند، در یک شبکه عصبی مصنوعی یک را ه حل آسان و سریع برای پیش بینی حد نسبت-کشش در فرآیند کشش عمیق قطعات مستطیل شکل ایجاد شد و به این ترتیب رابطه بین نسبت کشش و پارامترهای مختلف فرآیند تعیین می شود. در پایان مشاهده می شود که روش شبکه های عصبی به نحوه قابل قبولی می تواند حد نسبت کشش را برای حالت های جدید پیش بینی کند.