用于眼鏡架鉸鏈、外科儀器及人造心臟瓣膜的金屬零件，常常是很小的。多年來，這類復(fù)雜形狀零件制造商依靠金屬注射成形（MIM）進(jìn)行經(jīng)濟(jì)的連續(xù)生產(chǎn)。但有時(shí)在生產(chǎn)中出差錯(cuò)，在過程鏈的*后一步（燒結(jié)）之前，不可能發(fā)覺缺陷。當(dāng)發(fā)現(xiàn)時(shí)糾正缺陷已太晚了。
　　借助神經(jīng)網(wǎng)絡(luò)，用復(fù)雜數(shù)字算法監(jiān)控關(guān)鍵工藝工序，為金屬注射成形無缺陷生產(chǎn)鋪平了道路。制造商的收益因時(shí)間節(jié)省并非無用，這一點(diǎn)可在*終經(jīng)費(fèi)上反映出來。
　　德國IFAM研究所的科研人員正朝達(dá)到無缺陷生產(chǎn)而努力工作。他們的想法是，在注射成形的任何時(shí)候，系統(tǒng)都要監(jiān)控所有參數(shù)（如重量、壓力及溫度等），發(fā)出零件質(zhì)量的判斷。
　　這樣就可以在線發(fā)現(xiàn)錯(cuò)誤、尺寸不合格與缺陷（像裂紋、變形或孔穴等）。這可讓制造商馬上改變相關(guān)設(shè)置。如果需要的話，可編程自動(dòng)改變長周期運(yùn)轉(zhuǎn)系統(tǒng)的參數(shù)。必要的技術(shù)支持是由為MIM開發(fā)的神經(jīng)網(wǎng)絡(luò)提供的。
　　神經(jīng)網(wǎng)絡(luò)是基于高度復(fù)雜的算法，它的優(yōu)點(diǎn)是可自學(xué)習(xí)。在一個(gè)強(qiáng)制的初始訓(xùn)練期后，它可給出系統(tǒng)的所有測(cè)量數(shù)據(jù)及它們之間的探測(cè)相互關(guān)系。過程控制系統(tǒng)可以給出制造商相關(guān)的所有信息，例如，如果在給定工序改變壓力與溫度的話，給出零件的*終重量。
　　神經(jīng)網(wǎng)絡(luò)的目標(biāo)是至少降低廢品率50%，這表示給制造商降低很大成本，因?yàn)樵�材料是昂貴的。沒有神經(jīng)網(wǎng)絡(luò)協(xié)助，在質(zhì)量要求確立之前的頭幾天，公司要報(bào)廢的零件數(shù)目是很大的。
　　神經(jīng)網(wǎng)絡(luò)的另一優(yōu)點(diǎn)是，它實(shí)際上使質(zhì)量檢驗(yàn)成為不必要。它也可用于其他類型的連續(xù)生產(chǎn)（如輕金屬工業(yè)的壓鑄等）。由于在神經(jīng)網(wǎng)絡(luò)的幫助下，已成功生產(chǎn)了試驗(yàn)零件，研究人員現(xiàn)正尋求工業(yè)伙伴。