通过分析灰铸铁化学成分、工艺参数与性能关系，基于神经网络建立了预测灰铸铁机械性能的神经网络模型。夏伯才等提出模糊建模方法，建立了灰铸铁强度的模糊神经网络预报模型，通过不断修正各模糊子集的隶属度，实现了模糊预报模型的自动更新。这些方法都给我们带来了有益的启示。神经网络将事物的内在联系隐藏在网络权值中，给分析问题的本质规律带来难度，但它仍可为我们提供进一步研究的途径，如利用软件中的神经网络工具箱可分析某一因素对微观组织与性能的影响趋势图，这对指导生产及进一步研究很有意义。
5型砂质量控制在铸造生产中，型砂质量是保证铸件质量的重要前提，但还应将造型、浇注等工序对型砂的要求结合起来考虑型砂质量的控制，即总量控制的概念。一般的控制方法是确定出型砂的组成与性能之间的关系，通过检测型砂性能的变化来调节各组分的加入量。
等就是利用该方法来实现型砂质量的控制的。他们首先确定出型砂水分、膨润土等与紧实度及湿压强度的关系，利用该关系图来确定控制规律。该方法简单、直观，然而对于连续混砂系统，时滞及扰动性大，同时具有很强的模糊性与非线性特性，传统的控制方法有限，而人工智能控制则成为必然。