收益：
- 能够利用人工智能配置铸造、焊接和增材制造参数并提前评估缺陷风险
- 能够在 AI 支持下准备 WPS/PQR 草案、铸造冒口设计和工艺窗口等输出
- 能够通过标准、模拟和实验验证来确认人工智能的流程建议
金属零件的成型方式与其材质同样重要。铸造是将熔融金属填充到模具中并使其凝固而成型的过程；焊接，通过热和/或压力连接两个金属部件；增材制造（AM 或 3D 金属打印）是一种通过逐层熔化粉末或金属丝来制造零件的方法。这三者有一个共同的事实：工艺参数（温度、速度、热输入、冷却）直接决定缺陷的形成和机械性能。 AI加快建立工艺窗口、预先评估缺陷风险以及起草WPS/铸造设计等文档。但凝固和热流的物理原理很复杂；每一个参数建议都必须经过模拟、试验和无损检测验证才能投入生产。
三个流程的共同语言：流程窗口和缺陷
工艺窗口是产生可接受质量的参数范围；当走到窗外时就会出现这种缺陷。每个过程都有典型的缺陷：
- 铸造：气孔（气体或收缩间隙）、热撕裂、冷隔、夹杂物、微收缩。冒口/冒口设计对于向金属输送液体至关重要，因为金属在凝固时会收缩。
- 焊缝：气孔、未焊透（未焊透）、咬边、裂纹（冷/热）、HAZ（热影响区：焊缝周围的区域，其微观结构因热而发生变化）硬化。热量输入决定了该区域的特性。
- 增材制造：缺乏熔合、残余孔隙率、残余应力和变形、各向异性（方向相关属性）。激光功率、扫描速度和层厚度决定能量密度。
人工智能在系统地解释哪个参数触发哪个缺陷并建议初始窗口方面非常强大。但真正的窗户；特定于机器、粉末/线材批次和几何形状。
注意：AI 的参数建议从未给出对安全关键焊接或转储的接受。 WPS 通过标准（例如 ASME IX、ISO 15614）要求的程序资格测试 (PQR) 进行验证；经过授权焊接/铸造工程师的批准和检查后进行最终验收。
一步一步：人工智能支持的工艺参数设置
- 定义工艺和材料：铸造合金/母材+填料/增材制造粉末、厚度、几何形状。
- 给出目标和约束：验收标准（缺陷类别）、机械目标、周期时间。
- 请求启动窗口：询问AI其典型参数范围以及每个参数影响什么缺陷。
- 列出风险：这些参数中哪些缺陷比较突出？如何预防？
- 模拟/尝试：铸造/增材制造的凝固模拟（例如 MAGMA、Simufact）、焊接试片。
- 检查验证：NDT（射线照相、超声波）、宏观切片、机械测试；按标准接受。
工艺比较和缺陷参数关系
过程
关键参数
主要缺陷
验证方法
人工智能角色
砂型/压铸
浇注温度、冒口
缩孔率
放射线摄影，宏观切片
进料器/窗口吃水
电弧焊
热量输入、预热
HAZ裂纹、气孔
RT/UT、宏观、硬度
WPS 草案、风险清单
粉床 AM (L-PBF)
激光功率、扫描速度
熔化不足、气孔
CT、密度、显微结构
能量密度窗口
焊缝中的热输入大致计算为（电压×电流/焊接速度），并确定热影响区宽度、冷却速率，从而确定硬度和裂纹风险。 AI 描述了这种关系并建议了一个起始值；准确值由 PQR 验证。
三个迷你箱子
案例 1 — 营养缺乏。铸造厂在厚截面青铜零件中反复出现内部收缩孔隙。他们向人工智能描述几何形状和合金，并询问可能的原因； AI 认为冒口可能不足以为最终凝固区供料，他们审查了“定向凝固”原理和冒口尺寸/位置。团队进行了凝固模拟，发现热点远离冒口，扩大并定位冒口；在射线照相中，孔隙率从 4% 降至 0.5%。 AI给出假设、模拟和NDT证实。
案例2——高硬度HAZ裂纹。装配团队无需预热即可焊接高碳钢；热影响区发生冷裂纹。当他们向 AI 询问情况时，他解释说，高碳当量（CE：表明合金开裂倾向的综合值）会产生硬而脆的热影响区，而预热和控制冷却将减少氢致开裂。该团队计算 CE，确定适当的预热温度，并在试样上进行测试，并通过硬度和宏观切片进行验证。 AI给出机制和方向，实验给出数字。
案例 3 — AM 能量密度窗口。增材制造团队发现钛零件中的熔合孔不足。它要求人工智能提供一个能量密度窗口，包括激光功率、扫描速度和孵化距离，以及每个参数对孔隙类型的影响。 AI 解释说，能量太低会导致熔化不足，太高会产生锁孔，并建议起始范围。该团队打印参数扫描优惠券，测量密度和微观结构，并通过 CT 确认最佳窗口。人工智能缩小了窗口，使实验更加精确。
可复制的提示模板
工艺窗口模板“角色：[铸造/焊接/增材制造]，您是工艺助理。材料：[...]。几何形状/厚度：[...]。目标质量：[缺陷类别]。为我提供一个初始参数窗口，并解释每个参数增加或减少哪些缺陷。强调该窗口是机器、批次和几何形状特定的，应使用模拟/试验优惠券进行验证。没有绝对保证。”
缺陷根本原因模板“以下缺陷在我的[流程]部分中重复出现：[定义、位置、频率%]。生成可能根本原因的系统列表（材料、参数、几何形状、设备）。对于每个原因：支持证据+通过控制/实验确认。不要做出明确的诊断；给出调查路线图。”
WPS DRAFT 模板“角色：您是一名助理焊接工程师。母材：[...]。厚度：[...]。焊接方法：[例如 GMAW]。位置：[...]。给我一份 WPS DRAFT 骨架（预热、道次、热输入范围、保护气体）。这是一份 DRAFT；未经 ASME IX / ISO 15614 PQR 认证才能使用 — 请清楚地写下。碳当量并提醒我需要预热。”
冒口/凝固模板“我的铸件：[合金、几何形状、最厚部分]。解释定向凝固和冒口逻辑：热点在哪里，冒口应放置在哪里，其尺寸如何确定？如何降低孔隙风险？说明我需要通过凝固模拟和射线照相来确认最终决定。”
弱提示/强提示
弱提示：“如何焊接这种钢？”
强烈提示：“角色：您是助理焊接工程师。母材：高碳合金钢（CE ~0.6），厚度 20 毫米，填充物和位置 [...]。向我解释需要预热以防止热影响区冷裂纹、热输入范围和层间温度逻辑。解释碳当量对裂纹风险的影响。说明这是 WPSTAL，未经 PQR 和宏观/硬度测试合格不能使用。准确参数保证不给它。”
不良的提示给出了一般性的响应，而没有意识到材料、厚度和裂纹的风险。强有力的提示介绍了碳当量、厚度和裂纹机理，规定输出是草稿，必须经过PQR验证。
常见错误
- 误以为参数窗口是通用的，而不是机器/批次/几何形状特定的。
- 无需对高碳当量钢进行预热。
- 无需凝固模拟即可完成铸造冒口设计。
- 更改 AM 中的单个参数并忘记其他相关参数（整体能量密度）。
- 将 WPS 草案误认为是没有 PQR 资格的生产程序。
- 对安全关键部位进行无损检测，未经授权批准，将人工智能评估视为最终验收。
综上所述
在铸造、焊接和增材制造中，人工智能可加速流程窗口化、描述缺陷参数关系、生成根本原因列表和 WPS/送料器草图。然而，凝固和热流的物理学是特定于机器、批次和几何形状的；每个参数建议必须通过模拟、试板和无损检测进行验证，并给出安全关键验收标准（ASME IX、ISO 15614 等）和授权批准。人工智能可以让你预见风险，通过实验和检查做出决定。
应用任务
选择一种工艺（铸造、焊接或增材制造）和真实的材料/几何形状。使用“PROCESS WINDOW”模板向 AI 请求初始参数窗口和缺陷参数关系。然后，创建重复出现的缺陷场景，并使用“缺陷根本原因”模板创建系统原因列表和验证计划。最后，在一段中写下您将使用哪种标准和哪种无损检测方法来接受这部分，以及授权批准的作用。
清单
- [ ] 我定义了工艺、材料、几何形状和目标质量标准。
- [ ] 我设置了初始参数窗口和缺陷参数关系。
- [ ] 我考虑了碳当量/预热/营养等关键因素。
- [ ] 我针对该缺陷制定了系统的根本原因和验证计划。
- [ ] 我用模拟/试用优惠券验证了参数。
- [ ] 最终验收取决于标准无损检测和授权工程师的批准。