PREP多金属粉末性能归一化与工艺优选数据

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多维度性能数据，采用Min-Max标准化方法将不同量纲的性能指标归一化为0-1区间的可比指数，构建跨材料的性能对比与工艺优选推荐数据。 数据结构中含各金属粉末在典型工艺参数下的流动性、松装密度、粒度均匀性等性能实测值，基于熵值法权重计算综合优选指数，并按应用场景推荐最优材料和工艺参数范围。 具体应用包括：（1）为粉末应用选材人员提供三种粉末的归一化性能对比数据，辅助根据增材制造/粉末冶金/热喷涂等场景选材；（2）为制粉工艺人员提供各材料典型工艺参数下的性能指数和优选推荐，支持标准化工艺制定；（3）为新材料开发人员提供归一化对比框架，便于新粉末快速嵌入现有评价体系。可为AI模型训练提供多材料归一化对比与工艺优选的关联标注数据，支撑工艺优化AI模型的训练。（4）可为AI模型训练提供多材料归一化对比与工艺优选的关联标注数据，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、粒度均匀性指数；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均值填充；（2）数据归一化处理：基于数据集合中全部历史记录的各维度最大值和最小值，采用Min-Max标准化方法将流动性、松装密度、粒度均匀性指数分别归一化至0-1区间，其中流动性因数值越大流动性越差，采用反向归一化：归一化指数=1-(实测值-最小值)/(最大值-最小值)；（3）综合优选指数计算：采用熵值法基于数据集合中全部历史记录确定各维度的客观权重W，综合优选指数=Σ(Wj×归一化指数j)×100，指数范围0-100；（4）应用场景匹配推荐：根据归一化性能特征进行应用场景匹配，当流动性归一化指数≥0.75且粒度均匀性≥0.80时推荐“增材制造”场景；当松装密度归一化指数≥0.80时推荐“粉末冶金压制”场景；当三者指数均≥0.75时推荐“多功能通用”场景；（5）工艺优选等级判定：当综合优选指数≥80时判定为“推荐”，60≤指数<80时判定为“可选”，指数<60时判定为“待优化”。 【数据内容描述】最终输出PREP工艺TC4、45钢、IN625三种金属粉末的性能归一化对比与工艺优选推荐结果，包含各维度归一化指数、综合优选指数、推荐应用场景和工艺优选等级等指标。 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

本数据集涵盖PREP工艺制备的TC4钛合金、45钢、IN625镍基合金三种金属粉末的多维度性能数据，包含流动性、松装密度、粒度均匀性等指标。通过Min-Max标准化将不同量纲数据归一化至0-1区间，并采用熵值法计算综合优选指数，最终输出各粉末的归一化对比结果、推荐应用场景（如增材制造、粉末冶金压制、多功能通用）及工艺优选等级（推荐、可选、待优化），适用于辅助选材、工艺制定及AI模型训练。