در اين طرح، روش جديدي براي تشخيص تشكيل يك ماده ي خاص (يك فاز خاص) در يك فرايند متالورژيكي در محدوده ي پارامترهاي تعريف شده ارائه شده است. بدين منظور از آناليز پراش اشعه ي ايكس محصول در بين يك بازه از شرايط فرايند و روش مدل سازي شبكه هاي عصبي به عنوان ابزاري جهت يافتن الگوي پراش اشعه ي ايكس محصولات در داخل آن بازه استفاده شده است. ويژگي ممتاز اين روش تعيين زمان بهينه، حداقل كردن فرايندها و هزينه هاي آزمايشگاهي، كاهش خطا و زمان با استفاده از روش هاي مدل سازي است. در اين روش محصولات بدست آمده در فواصل زماني معين تحت آناليز پراش اشعه ي ايكس قرار گرفته و نتايج حاصل، به عنوان داده هايي جهت آموزش شبكه ي عصبي مورد استفاده قرار خواهند گرفت. پس از مدل سازي فرايند متالورژيكي، شبكه ي عصبي طراحي شده توانايي ايجاد همه ي پيك هاي پراش اشعه ي ايكس در محدوده ي تعريف شده را دارا مي باشد. با مقايسه پيك هاي بدست آمده از شبكه ي عصبي با جدول كارت استاندارد JCPDS، فازهاي موجود قابل تشخيص بوده و همچنين زمان بهينه ي تشكيل فاز حاصل گرديد. براساس مدل طراحي شده و با توجه به زمان بهينه ي تشكيل فاز، تشكيل تركيب مورد نظر قابل پيش بيني مي باشد. در اين طرح تشكيل تركيب بين فلزي Ni3Al به وسيله ي فرايند آلياژسازي مكانيكي با استفاده از روش مزبور به عنوان مثال مورد بررسي قرار گرفت. چكيده در پژوهش حاضر براي اولين بار پيك هاي پراش اشعه ي ايكس با استفاده از شبكه ي عصبي، مدل سازي و پيش بيني شده است. براي اين منظور تركيب بين فلزي Ni3Al به روش آلياژسازي مكانيكي توليد و تحت آزمايش پراش اشعه ي ايكس قرار گرفته است. براي مدل سازي و پيش بيني رفتار كاملاَ غير خطي اين نمودارها از شبكه هاي عصبي RBF و MLP با آرايش هاي مختلف استفاده شده و نتايج با يكديگر مقايسه شده است. مشاهده مي شود كه شبكه هاي چند لايه با الگوريتم آموزشي پسخور بازگشتي بهترين توانايي را در پيش بيني و مدل سازي اين رفتارهاي غيرخطي دارند. نتايج پيش بيني شده توسط شبكه ي عصبي يا نتايج تجربي به نحو بسيار مطلوبي تطابق دارند. اين روش مي تواند براي مدل سازي و پيش بيني پيك هاي پراش اشعه ي ايكس تمام عناصر و تركيبات بكار رود.