برای تولید یک نمونه صنعتی و با هدف دستیابی به بهترین شرایط نمونه گیری، تعداد بی شماری نمونه آزمایشگاهی سنتز شده و تحت آنالیز قرار می گیرند. هدف از این فرآیند دستیابی به یک محصول با قابلیت های مطلوب و با کمترین هزینه می باشد؛ طبیعی است که در این مسیر کلیه قیود صنعتی و فنی با هدف افزایش کیفیت و بهره وری مد نظر قرار می گیرند. اگر چه در موسسات صنعتی پیشرو، کنترل حین فرایند به کمک تکنیک ها و علوم آماری انجام می گیرد، با این وجود بهبود کیفیت و بهره وری زمانی می تواند به بهترین نحو موثر واقع گردد که بخش لاینفکی از چرخه طراحی و توسعه فرایند و محصول باشد. به همین دلیل، امروزه اصول طراحی آزمایش به عنوان جزء جدایی ناپذیر در تولید نمونه های صنعتی تبدیل شده است. این تحقیق می کوشد تا ایده شناسایی الگو و مدل سازی از طریق الگوریتم ژنتیک را به عنوان رویکرد جدیدی در شناسایی نتایج اصلی آنالیز نمونه های آزمایشگاهی، به عبارتی طراحی آزمایش، مطرح نماید. برای این منظور، نتایج آنالیز dsc چند نمونه آزمایشگاهی سنتز پلی اتیلن و نتایج آنالیز xrd چند نمونه آزمایشگاهی سنتز آلومینا گردآوری شده است. سپس، ویژگی های مدنظر با استفاده از نرم افزار peak fit استخراج شده و پایگاه داده تشکیل شده است. الگوریتم ژنتیک به نحو شایسته ای برای حل مساله تحقیق توسعه داده شده و بسته نرم افزاری با نام الگوریتم مبتنی بر ژنتیک برای طراحی آزمایش (gbaed) را شکل داده است. الگوریتم موردنظر برای تخمین چندین ویژگی قابل استحصال از آنالیز dsc و xrd پلی اتیلن و آلومینا مورد استفاده قرار گرفته و با پاسخ های حاصل از نرم افزار design expert مقایسه شده است. نتایج بدست آمده کارایی رویکرد پیشنهادی و مزیت آن را نسبت ها روش های متداول نشان می دهد. هدف از مسأله این تحقیق شناسایی کلی یک فرایند دستیابی به محصول، تعریف پارامترهای اساسی متناظر با آن فرایند در تست های xrd و dsc و در نهایت ارائه الگوهایی به منظور تخمین نتایج احتمالی سنتز نمونه های آتی می باشد. چنانچه این مسأله در آینده با کیفیت مناسبی حل گردد، در پروژه های صنعتی که تعداد آنالیزها زیاد است می توان پیش از سنتز نمونه جدید، اطلاع تقریبی از مشخصه های اساسی تست های xrd و dsc بدست آورده و چنانچه اهداف پروژه صنعتی را دنبال می کند، نسبت به سنتز آن نمونه و اجرای آنالیزها اقدام نمود. بر این اساس، نه تنها از نظر اقتصادی صرفه جویی انجام می شود، بلکه در شرایطی که آنالیز نمونه سنتزشده به دلیل ضوابط اداری و ... با کُندی مواجه است، می توان با توجه به آنالیزهای گذشته یک دید کلی از پاسخ های احتمالی بدست آورد. علاوه بر این ها، طبعاً حسی که اپراتور آزمایشگاه از پاسخ های حاصل از مدل ها بدست می آورد می تواند در تنظیم شرایط آزمایشگاهی جدید برای تولید نمونه های آتی مفید واقع شود.