专家系统的基本思路，即智能化的、紧贴生产流程的、用以支持工程师的CAE系统依然具备了相当大的吸引力，以至于不断有人致力于专家系统的研究。
位于多特蒙德的SimuForm有限公司毅然接受了这个挑战。该公司早在两年半以前就开始着手开发一套应用在板材加工流程链领域虚拟产品开发的智能化CAE系统。这家公司借助于现代化的统计技术、人工智能技术、数据处理系统、几何数据处理系统以及板材加工方面的专业技术开发了一套创新的CAE应用系统——并不是“旧瓶装新酒”，而是具备了多种应用能力的全新系统。这套系统提供了高度柔性，用户在数字化的产品开发过程中可以体验到极大的便利。
利用软件进行数据处理
现在，对流程相关知识的准备工作几乎都已经实现了自动化。此外，还可以自动化地准备额外的信息并且集成到类似于数据库的结构中。由于无需对目录树和目录结构进行研究，因此数据搜索工作也就变得易如反掌。换句话说，相关的研究工作将由软件执行。
这套系统的基本原则很简单，与人类在日常工作中的学习过程高度相似。人类通常是通过利用新的流程或者任务来获取职业能力知识。人类可以回忆起过去类似项目中获取的经验。如今人类可以追溯这些经验并予以重新使用。实际的应用主要有以下一些过程：知识储存在一个数据管理系统中，并能够随时调用；通过人工智能技术可以实现长期学习和知识的扩展；流程的多变性将通过统计技术进行描述；通过简单的鼠标操作可以快速调用相关的知识。
通过将产品开发中获取的专业知识和实际知识结合起来，这套系统可以用于板材加工的流程链开发。例如，专业部门进行流程模拟所得到的数据可以被这套系统获取并加以学习。同时还可以利用CAD数据和流程管理方面的数据进行补充，再自动地集成到数据管理系统当中。所谓的数字化指纹将由系统自动生成并根据这个流程的特性细节和相关的几何数据进行明确的标记。针对新生成的数字化指纹与现有数字化指纹的相似程度将生成相关的索引，用以调用现有的知识并应用于新的生产流程。借助于人工智能技术可以在数据准备阶段生成诊断性质的模型。这种方法适宜于快速的可行性检查和自动化的数据准备，可以利用与实际相关的零部件进行测试。在一项试生产项目中，该公司的技术人员和戴姆勒集团进行调查以期将现有的数据应用到全新的相似几何结构上。举例来说，这种方法可以开发出更多的前翼子板。为此，之前进行预测模型需要根据拉伸机床的基本情况和对梅赛德斯-奔驰S级轿车前翼子板进行流程模拟所获取的结果进行修改，并应用于其他的几何数据。因此可以利用之前对相关材料（DC06和AC170）进行的可行性检查进行描述。预测模型的结果将与实际的失效模式模拟进行比对。预测结果的高度仿真以及其方便快捷的特性给用户留下了深刻的印象。目前，实验测试正按照实际的条件进行。
梅赛德斯-奔驰汽车的前翼子板上使用预测
模型，左图为DC06材料，右图为AC170材
料。此图得到了戴姆勒集团的授权许可。
在板材加工领域的特殊情况下，产品开发工程师可以利用这套系统进行工作。一方面，他们可以方便快捷地获取经验方案；另一方面，他们还可以对新的几何数据进行成本低廉的可行性检查。因此，他们得以尽可能地贴近生产实际来进行设计。
Crash”（F2C）的过程
在进行碰撞计算时，这种系统的应用将显得更加重要。以前，零部件设计阶段的方法通常不固定。其后也没有针对某一时间节点进行相关的变形模拟。尽管如此，碰撞计算技术人员还是尽可能早地将真实的板材的厚度分布情况和局部强化情况应用于高质量的模拟，以求得到尽可能准确的结果。
所有的都是借助于目标尺寸的预测性检查。因此，计算工程师可以自由定义板材材料的强度等级以及出口处板材的厚度，尽可能完善与碰撞相关的零部件。工程人员可以独立自主地干预设计更改，而无需集成地考虑流程模拟或者工艺规划。所有的细节可以在最后的重复磨削阶段生效。甚至还可以将目标尺寸自动导入碰撞优化计算的工具中。整个系统的坐标系将保持不变，也就是说，零部件可以保留在以前的车辆坐标系中并在当中输出预测的数据。这样，无需大规模的投资即可将模型直接集成到碰撞计算中。软件的结构非常柔性，提供了与企业中现有的PDM （Product Data Management，产品数据管理系统）和PLM（Product Lifecycle Management，产品生命周期管理）系统的接口，并且能够伴随企业的发展而进行升级。
