本研究提出了一种可解释的机器学习方法，用于预测铣削过程中的表面粗糙度。通过使用铝合金2017A的数据集，研究开发了能够准确预测不同粗糙度值的模型，并发现可以去除多余的传感器，降低成本，保持预测准确性。

该研究探讨了可解释性技术在铣削过程质量预测中的应用，通过识别和消除不相关特征，提升机器学习模型的预测能力，降低制造成本，并增强对模型的理解。研究强调了可解释性技术在制造领域的重要性。