PREP多金属粉末综合品质多因子评估数据

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粒径分布、流动性、松装密度多维度性能数据，构建基于熵值法加权的综合品质多因子评估数据。 数据结构中含主弧电流、进给速度、主轴转速等参数和材料类型分类字段，用于驱动随机森林回归模型获取各维度性能预测值；流动性评估指数、松装密度评估指数和粒度均匀性指数作为三个评估维度输入，经熵值法计算各维度权重后得出综合品质评分。各字段相互配合，形成统一的多材料综合品质评价体系。 具体应用包括：（1）为粉末采购选型人员提供三种粉末的综合品质评分数据，辅助供应商批次横向对比和优选；（2）为质量管控人员提供各维度权重数据，辅助了解流动性、松装密度、粒度均匀性的贡献度排序；（3）为制粉工艺研发人员提供各批次品质等级数据，支持识别质量波动与工艺追溯。可供AI模型训练多维度综合品质评分的关联标注数据，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全维度生产测试记录。数据包含测试批次编号、金属材料类型、测试时间、主弧电流、进给速度、主轴转速、流动性、松装密度、粒径分布D10/D50/D90等字段，数据规模涵盖全部历史生产测试记录。 【处理规则】（1）数据采集与预处理：采集PREP三种金属粉末的多维度性能测试数据，字段包括材料类型、流动性、松装密度、D10/D50/D90；采用3σ准则识别并剔除各维度异常数据，对缺失值采用同材料类型均值填充；（2）各维度评估指数计算：基于标准化后的数据集X，分别计算粒度均匀性指数=1-(D90-D10)/D50，流动性评估指数=1-(流动性实测值-最小值)/(最大值-最小值)，松装密度评估指数=(松装密度实测值-最小值)/(最大值-最小值)；（3）熵值法权重计算：基于数据集合中所有历史记录的各维度评估指数，构建评估矩阵，采用熵值法客观计算各维度权重，先计算各指标的信息熵值Ej，再根据信息熵值计算权重Wj=(1-Ej)/∑(1-Ej)，得到粒度均匀性权重α、流动性权重β、松装密度权重γ，权重之和为1；（4）综合品质评分计算：综合品质评分=(α×粒度均匀性指数+β×流动性评估指数+γ×松装密度评估指数)×100，评分范围为0-100分；（5）综合品质等级判定：当综合品质评分≥80时判定为“优良”，当评分≥60时判定为“合格”，当评分<60时判定为“待优化”。 【数据内容描述】最终输出PREP工艺TC4、45钢、IN625三种金属粉末的多因子加权综合品质评估结果，包含各维度评估指数、熵值法确定的动态权重、综合品质评分和等级等指标。 以上计算结果均保留2位小数。

搜集汇总

背景与挑战

背景概述

该数据集基于PREP工艺制备的TC4钛合金、45钢和IN625镍基合金三种金属粉末，提供了粒径分布、流动性和松装密度的多维度性能数据。通过熵值法客观计算各维度权重，生成了综合品质评分及等级（优良、合格、待优化），用于辅助粉末采购选型、质量管控和工艺优化。数据包含主弧电流等工艺参数，可支撑AI模型训练以提升综合品质评估与工艺优化的能力。