数据集概述
本数据集是Ti6Al4V干切削实验的部分数据，用于基于LIME和SHAP技术的刀具磨损预测研究。数据经处理过滤，包含研究中用于训练测试机器学习模型的加工条件和刀具磨损分类信息，源自原始大规模干正交切削实验数据集。
文件详解
- 文件名称：ti (2).xlsx
- 文件格式：XLSX
- 字段映射介绍：包含Ti6Al4V干切削实验的加工条件参数（如切削速度、进给量等）和对应的刀具磨损分类标签，数据已针对LIME和SHAP可解释性技术处理过滤。
数据来源
论文“Explainable Machine Learning for Wear Classification in Ti6Al4V Machining: An SHAP and LIME Approach for Decision Support”及原始数据集（Klippel et al., 2024）
适用场景
- 刀具磨损预测模型训练: 用于训练和测试基于机器学习的Ti6Al4V干切削刀具磨损分类模型。
- 可解释性机器学习应用: 结合LIME和SHAP技术分析模型决策逻辑，解释加工参数对刀具磨损的影响机制。
- 机械加工工艺优化: 通过加工条件与磨损分类的关联分析，优化Ti6Al4V干切削工艺参数。
- 制造过程智能决策支持: 为制造现场刀具磨损状态监测和更换决策提供数据支撑。
