PREP工艺参数对粉末品质影响权重数据

来源于PREP工艺制备TC4钛合金、45钢、IN625镍基合金三种金属粉末的生产测试记录，采用随机森林特征重要性分析方法量化主弧电流、进给速度、主轴转速三个工艺参数对粉末综合品质的影响权重。 数据结构中含了主弧电流、进给速度、主轴转速等参数和对应的综合品质评分，通过随机森林特征重要性排序输出各参数的影响权重和重要度排序。各字段协同分析哪些工艺参数对粉末品质起主导作用，为工艺精细化调控提供数据驱动依据。 具体应用包括：（1）为PREP工艺参数优化人员提供各参数对综合品质的影响权重排序，辅助在参数调优时优先调控高敏感度参数；（2）为设备操作人员提供各材料品类的主控参数识别数据，支持根据不同金属粉末材料类型差异化设置关键工艺参数；（3）为制粉工艺标准化研究人员提供影响权重随参数变化趋势参考数据，支持制定分材料工艺参数标准作业指导书。可供AI模型训练工艺参数影响权重的关联标注数据，支撑工艺优化AI模型的训练。（4）可供AI模型训练多材料综合品质与工艺影响的关联标注数据，支撑粉末制备工艺优化模型的训练与泛化能力提升。【加工前的数据说明】原始数据来源于PREP工艺制备TC4钛合金、45钢、IN625镍基合金三种金属粉末的生产测试和综合品质评估记录，通过PREP制粉生产测试采集，包含测试批次编号、金属材料类型、测试时间、主弧电流、进给速度、主轴转速、综合品质评分等字段；加工前按3σ准则（一种按均值±3倍标准差识别离群值的方法）剔除综合品质评分异常数据，缺失值按同材料均值填充，并对主弧电流、进给速度、主轴转速进行Min-Max标准化（一种线性映射至0-1区间的标准化方法）以消除量纲差异。 【处理规则】1. 随机森林特征重要性分析：以标准化后的主弧电流、进给速度、主轴转速为输入特征，综合品质评分为目标变量，构建随机森林回归模型（一种通过集成多棵决策树平均预测的集成回归方法），采用基尼重要性（一种按基尼不纯度下降量度量特征贡献的指标）度量各参数贡献，得到主弧电流基尼重要性、进给速度基尼重要性、主轴转速基尼重要性字段；按公式"主弧电流影响权重=主弧电流基尼重要性/（主弧电流基尼重要性+进给速度基尼重要性+主轴转速基尼重要性）"计算，并按相同口径得到进给速度影响权重、主轴转速影响权重字段，权重依据各参数对综合品质的贡献程度归一化确定，贡献越大权重越高；2. 参数重要度排序：按主弧电流影响权重、进给速度影响权重、主轴转速影响权重从大到小排列，得到参数重要度排序字段；3. 主导参数判定：取影响权重最大的参数为主导参数，得到主导参数判定字段，并将该最大权重记为主导参数影响权重，得到主导参数影响权重字段；4. 主导参数等级判定：按判定规则"主导参数影响权重≥0.40记为主控参数，0.25≤主导参数影响权重<0.40记为重要参数，主导参数影响权重<0.25记为次要参数"，得到主导参数等级判定字段。以上计算结果均保留2位小数。 【数据内容描述】经加工后形成的数据集包含17个字段：测试批次编号、金属材料类型、综合品质评分、主弧电流基尼重要性、主弧电流影响权重、主导参数影响权重、参数重要度排序、主导参数等级判定等17个字段。该数据集可用于PREP工艺参数影响权重的量化评估与工艺参数优化。

搜集汇总

背景与挑战

背景概述

该数据集源于PREP工艺制备TC4钛合金、45钢、IN625镍基合金三种金属粉末的生产测试记录，采用随机森林特征重要性分析量化主弧电流、进给速度、主轴转速对粉末综合品质的影响权重。数据涵盖17个字段，共1071条记录，每月更新，可用于工艺参数优化、设备操作指导、标准化研究及AI模型训练。