大数据驱动下机械加工过程低碳评价服务

孙群

[提要] 大数据环境下，需要进行大量数据处理、分析和挖掘才能获得真正有价值的信息。针对机械加工过程数据繁杂、具有多种不同量化指标的情况，需要获得良好的数据质量更是基本前提，数据质量的量化评估成为这个过程中很重要的一环。本文立足于工程实际与未来需求，结合所在行业和大数据系统的特点，针对离散型制造企业的低碳评价服务展开论述。

关键词：大数据驱动;低碳评价;可持续发展

中图分类号：F27 文献标识码：A

收录日期：2019年11月29日

低碳经济背景下，以最少的资源消耗、最低限度的生态环境影响，产生最大的社会、经济效益，是现代制造企业转型发展当中亟待解决的问题，研究并运用低碳制造的相关理论与技术方法是解决该问题的关键。将传统的基于资源的“高消耗、低利用率、高排放”的制造和发展模式转变成低碳排放、高能效的生产方式已经刻不容缓。

一、基于大数据驱动的低碳评价指标体系

（一）构建评价指标体系。构建一套面向低碳生产的评价指标体系，需要针对机械加工过程特点，评估了质量评估模型与所在行业、信息系统特点的相关程度之后，结合数据采集、数据集成、数据整合与清洗、数据处理与加工、数据持久化等数据流转环节的特点，建立一套面向低碳生产的数据质量评估指标框架。

国内外普遍以“碳足迹”作为衡量机械加工过程是否低碳的量化指标，然而由于机械切削加工工艺的复杂性，碳足迹（CFP）可以估算一个加工工艺的碳排放量大小，但无法评价一个加工工艺低碳性能的优劣。企业在实施低碳制造的过程中主要关注的仍然是产品加工效益以及加工效率，加工效率一般通过加工时间来衡量。为评价产品加工工艺低碳效益，本发明提出了CFK的概念，所表达的内涵是此种工艺方案中切除单位工件材料产生的碳足迹，CFK越低，对环境影响越小，资源配置方案越理想。由此可见，单位功效碳足迹可以直接或者间接地反映加工过程的电能消耗、资源消耗以及环境属性。

（二）采集方法

1、CFK分级评价标准。针对工艺过程中的电力消耗、资源消耗和环境影响因素的量纲不统一，本文选用CFK作为主要评价指标对评价因素进行量化归一处理。参照我国家电行业能效等级划分标准，采用1～5共五个等级，对各指标因素划分不同等级，定义Ri为工艺过程i（i=1，2，…）的单位功效碳足迹分级结果。（表1）

由于加工工艺不一样，产生的碳足迹也不一样，不能用统一的标准来衡量所有加工工艺的碳足迹，需要统计一定量的不同型号机床使用同一加工工艺加工同一材料尺寸的工件消耗数据，按照前面的计算模型进行计算，利用数据统计获得该加工工艺的单位功效碳足迹参考平均值  ，采集评价对象在加工周期的单位功效碳足迹CFKi，然后根据公式    计算其与参考平均值的差值的大小，按照表2划分不同等级。（表2）

2、噪声。加工周期噪声值：机床在额定工作状态下，完成一个加工周期产生的噪声值。它并不是累加值。单位：dB/cycle。

按照国家标准GB15760-2004《金属切削机床安全防护通用技术条件》，可以建立加工周期噪声值的等级划分规则，如表3所示。（表3）

3、粉尘。加工周期粉尘浓度值：机床在额定工作状态下，完成一个加工周期产生的粉尘浓度值。单位：mg/m3/cycle。根据国家标准JB/T 9878-1999《金属切削机床粉尘浓度的测定》，可以建立加工周期粉尘浓度值的等级划分规则，如表4所示。（表4）

4、油雾。加工周期的油雾浓度值：机床在额定工作状态下，完成一个加工周期产生的油雾浓度值。单位：mg/m3/cycle。

加工周期的油雾浓度值可以按照统计评估测算进行量化，然后按照下表的油雾浓度等级进行分级。建立如表5所示的加工周期油雾浓度值的等级划分规则。（表5）

5、刺激性气味。加工周期可能存在一些刺激性气味，会引起操作人员有身体不适的情况，本文采用定性分析，根据实际影响程度进行评价，分为1～5五个等级，1级表示无刺激性气味，建立如表6所示的刺激性气味等级划分规则。（表6）

上述等级划分规则并不是绝对唯一的，可根据实际评价需求，进行变化。

为了能将机床的资源環境属性的信息更加直观的表示出来，需要有统一的标识或报告。本文通过上述采集的指标数据，按照各指标等级划分规则，确定各指标的等级值，然后将指标等级值乘以由确定的资源环境属性的权重矩阵W，可以计算得到某一工艺的资源环境属性总的权值，利用表7可以将评价对象的某一工艺的资源环境属性划分等级，得到1～5，五个等级。（表7）

二、评价方法

生产过程中的碳排放评估及制造资源环境特性分析问题已经引起国内外学术界重视，并陆续出现了一些相关评价方法。产品生命周期评价（LCA）作为一种产品全生命周期环境影响评价方法，被广泛使用，但由于其评价过程从设计到回收利用，涉及到评价过程复杂、周期长以及成本高等特点，在应用上有很大局限性。除此之外，国内外对于机械加工过程的评价方法有很多，这些评价方法总体可分为两类，其主要区别在确定权重的方法上。一类是采用主观方式赋权，综合无量纲的数据，然后综合评分确定各自权重，如AHP（层次分析）法、功效系数法等;另一类是客观方式赋权，根据各个指标相互关系或者变异程度确定各自权重，如主成分分析法、TOPSIS法等。

本文采用基于AHP方法的工艺过程碳足迹模糊综合评价：面对复杂的工艺决策问题，运用层次分析法进行评价判断，在对所分析问题及环境的充分理解和分析的基础上，建立系统的递阶层次结构模型。对系统所涉及的因素指标具体分类为最高层、中间层和最底层的形式，每一层由每一组类别构成，形成因素指标相互联系的层次结构模型。评价体系主要包括资源消耗以及生态影响等两大方面，对机械加工工艺过程的主要影响因素进行分析，建立基于碳足迹分析的工艺过程评价结构示意图所示的评价结构，目标层为面向低碳排放的资源环境属性评价，准则层包括单位功效碳足迹、粉尘、油雾、刺激性气味和噪声五个方面，方案层是提供待评价的工艺过程。

三、实践与应用效果

基于上述指标框架，笔者尝试开发了一套面向低碳生产制造资源评估的系统，数据质量的指标已经完全在系统中实现，数据处理环节的指标有部分已经实现，目前已用于对大数据平台的整个数据流的质量进行监控，取得了良好的效果。开发的制造资源信息管理功能菜单旨在帮助实现工艺规划制定中选择先有的制造资源，通过类菜单下设置子项的组织方式管理资源信息，数据保存在对应的Access数据库当中，功能菜单下实现了制造资源信息的添加、显示与查询。

四、总结

基于大数据平台的低碳评价服务有利于提高加工过程的资源利用率、保护生态环境和实现低碳排放，主旨时促进节约能源、保护环境，是加工制作过程可持续发展的一种新型服务模式，是制造业制造技术及评价生产模式的发展趋势。本文从产品生命周期的技术角度，分析了基于大数据质量评价指标构建要求及特点，在此基础上，提出了基于大数据驱动的低碳评价指标及评价方法，并对相关内容作了阐述。

主要参考文献：

[1]张岚，郭藏龙，叶晓俊.大数据服务安全可控评价指标设计[J].信息技术与标准化，2018（3）.

[2]刘金晶，王梅.大数据下的数据质量评价指标构建实践[J].计算机技术与发展，2019.29（10）.

[3]SUN Qun，ZHANG Wei-min，LI Peng-zhong，et al.Machining Process Classification Based on Carbon Footprint Analysis[J].东华大学学报（英文版），2014.31（3）.

[4]孔钦，叶长青，孙赟.大数据下数据预处理方法研究「J」.计算机技术与发展，2018.28（5）.

[5]傅成.基于资源环境属性的制造过程绿色评价支持系统研究[D].武汉科技大学，2009.