大數據驅動下機械加工過程低碳評價服務

孫群

[提要] 大數據環境下，需要進行大量數據處理、分析和挖掘才能獲得真正有價值的信息。針對機械加工過程數據繁雜、具有多種不同量化指標的情況，需要獲得良好的數據質量更是基本前提，數據質量的量化評估成為這個過程中很重要的一環。本文立足于工程實際與未來需求，結合所在行業和大數據系統的特點，針對離散型制造企業的低碳評價服務展開論述。

關鍵詞：大數據驅動;低碳評價;可持續發展

中圖分類號：F27 文獻標識碼：A

收錄日期：2019年11月29日

低碳經濟背景下，以最少的資源消耗、最低限度的生態環境影響，產生最大的社會、經濟效益，是現代制造企業轉型發展當中亟待解決的問題，研究并運用低碳制造的相關理論與技術方法是解決該問題的關鍵。將傳統的基于資源的“高消耗、低利用率、高排放”的制造和發展模式轉變成低碳排放、高能效的生產方式已經刻不容緩。

一、基于大數據驅動的低碳評價指標體系

（一）構建評價指標體系。構建一套面向低碳生產的評價指標體系，需要針對機械加工過程特點，評估了質量評估模型與所在行業、信息系統特點的相關程度之后，結合數據采集、數據集成、數據整合與清洗、數據處理與加工、數據持久化等數據流轉環節的特點，建立一套面向低碳生產的數據質量評估指標框架。

國內外普遍以“碳足跡”作為衡量機械加工過程是否低碳的量化指標，然而由于機械切削加工工藝的復雜性，碳足跡（CFP）可以估算一個加工工藝的碳排放量大小，但無法評價一個加工工藝低碳性能的優劣。企業在實施低碳制造的過程中主要關注的仍然是產品加工效益以及加工效率，加工效率一般通過加工時間來衡量。為評價產品加工工藝低碳效益，本發明提出了CFK的概念，所表達的內涵是此種工藝方案中切除單位工件材料產生的碳足跡，CFK越低，對環境影響越小，資源配置方案越理想。由此可見，單位功效碳足跡可以直接或者間接地反映加工過程的電能消耗、資源消耗以及環境屬性。

（二）采集方法

1、CFK分級評價標準。針對工藝過程中的電力消耗、資源消耗和環境影響因素的量綱不統一，本文選用CFK作為主要評價指標對評價因素進行量化歸一處理。參照我國家電行業能效等級劃分標準，采用1～5共五個等級，對各指標因素劃分不同等級，定義Ri為工藝過程i（i=1，2，…）的單位功效碳足跡分級結果。（表1）

由于加工工藝不一樣，產生的碳足跡也不一樣，不能用統一的標準來衡量所有加工工藝的碳足跡，需要統計一定量的不同型號機床使用同一加工工藝加工同一材料尺寸的工件消耗數據，按照前面的計算模型進行計算，利用數據統計獲得該加工工藝的單位功效碳足跡參考平均值? ，采集評價對象在加工周期的單位功效碳足跡CFKi，然后根據公式??? 計算其與參考平均值的差值的大小，按照表2劃分不同等級。（表2）

2、噪聲。加工周期噪聲值：機床在額定工作狀態下，完成一個加工周期產生的噪聲值。它并不是累加值。單位：dB/cycle。

按照國家標準GB15760-2004《金屬切削機床安全防護通用技術條件》，可以建立加工周期噪聲值的等級劃分規則，如表3所示。（表3）

3、粉塵。加工周期粉塵濃度值：機床在額定工作狀態下，完成一個加工周期產生的粉塵濃度值。單位：mg/m3/cycle。根據國家標準JB/T 9878-1999《金屬切削機床粉塵濃度的測定》，可以建立加工周期粉塵濃度值的等級劃分規則，如表4所示。（表4）

4、油霧。加工周期的油霧濃度值：機床在額定工作狀態下，完成一個加工周期產生的油霧濃度值。單位：mg/m3/cycle。

加工周期的油霧濃度值可以按照統計評估測算進行量化，然后按照下表的油霧濃度等級進行分級。建立如表5所示的加工周期油霧濃度值的等級劃分規則。（表5）

5、刺激性氣味。加工周期可能存在一些刺激性氣味，會引起操作人員有身體不適的情況，本文采用定性分析，根據實際影響程度進行評價，分為1～5五個等級，1級表示無刺激性氣味，建立如表6所示的刺激性氣味等級劃分規則。（表6）

上述等級劃分規則并不是絕對唯一的，可根據實際評價需求，進行變化。

為了能將機床的資源環境屬性的信息更加直觀的表示出來，需要有統一的標識或報告。本文通過上述采集的指標數據，按照各指標等級劃分規則，確定各指標的等級值，然后將指標等級值乘以由確定的資源環境屬性的權重矩陣W，可以計算得到某一工藝的資源環境屬性總的權值，利用表7可以將評價對象的某一工藝的資源環境屬性劃分等級，得到1～5，五個等級。（表7）

二、評價方法

生產過程中的碳排放評估及制造資源環境特性分析問題已經引起國內外學術界重視，并陸續出現了一些相關評價方法。產品生命周期評價（LCA）作為一種產品全生命周期環境影響評價方法，被廣泛使用，但由于其評價過程從設計到回收利用，涉及到評價過程復雜、周期長以及成本高等特點，在應用上有很大局限性。除此之外，國內外對于機械加工過程的評價方法有很多，這些評價方法總體可分為兩類，其主要區別在確定權重的方法上。一類是采用主觀方式賦權，綜合無量綱的數據，然后綜合評分確定各自權重，如AHP（層次分析）法、功效系數法等;另一類是客觀方式賦權，根據各個指標相互關系或者變異程度確定各自權重，如主成分分析法、TOPSIS法等。

本文采用基于AHP方法的工藝過程碳足跡模糊綜合評價：面對復雜的工藝決策問題，運用層次分析法進行評價判斷，在對所分析問題及環境的充分理解和分析的基礎上，建立系統的遞階層次結構模型。對系統所涉及的因素指標具體分類為最高層、中間層和最底層的形式，每一層由每一組類別構成，形成因素指標相互聯系的層次結構模型。評價體系主要包括資源消耗以及生態影響等兩大方面，對機械加工工藝過程的主要影響因素進行分析，建立基于碳足跡分析的工藝過程評價結構示意圖所示的評價結構，目標層為面向低碳排放的資源環境屬性評價，準則層包括單位功效碳足跡、粉塵、油霧、刺激性氣味和噪聲五個方面，方案層是提供待評價的工藝過程。

三、實踐與應用效果

基于上述指標框架，筆者嘗試開發了一套面向低碳生產制造資源評估的系統，數據質量的指標已經完全在系統中實現，數據處理環節的指標有部分已經實現，目前已用于對大數據平臺的整個數據流的質量進行監控，取得了良好的效果。開發的制造資源信息管理功能菜單旨在幫助實現工藝規劃制定中選擇先有的制造資源，通過類菜單下設置子項的組織方式管理資源信息，數據保存在對應的Access數據庫當中，功能菜單下實現了制造資源信息的添加、顯示與查詢。

四、總結

基于大數據平臺的低碳評價服務有利于提高加工過程的資源利用率、保護生態環境和實現低碳排放，主旨時促進節約能源、保護環境，是加工制作過程可持續發展的一種新型服務模式，是制造業制造技術及評價生產模式的發展趨勢。本文從產品生命周期的技術角度，分析了基于大數據質量評價指標構建要求及特點，在此基礎上，提出了基于大數據驅動的低碳評價指標及評價方法，并對相關內容作了闡述。

主要參考文獻：

[1]張嵐，郭藏龍，葉曉俊.大數據服務安全可控評價指標設計[J].信息技術與標準化，2018（3）.

[2]劉金晶，王梅.大數據下的數據質量評價指標構建實踐[J].計算機技術與發展，2019.29（10）.

[3]SUN Qun，ZHANG Wei-min，LI Peng-zhong，et al.Machining Process Classification Based on Carbon Footprint Analysis[J].東華大學學報（英文版），2014.31（3）.

[4]孔欽，葉長青，孫赟.大數據下數據預處理方法研究「J」.計算機技術與發展，2018.28（5）.

[5]傅成.基于資源環境屬性的制造過程綠色評價支持系統研究[D].武漢科技大學，2009.