CN101419690A - 产品制造过程的绿色评价方法及装置 - Google Patents

Abstract

本发明实施例提供了一种产品制造过程的绿色评价方法及装置。具体包括：首先建立针对产品的加工工艺绿色特征数据库；然后当需要对所述产品制造过程进行绿色评价时，从所述数据库中获取所述产品制造过程中产生的资源环境属性指标值；再判断所获取的资源环境属性指标值是否达到设定的标准值；若达到，则再调用所述数据库中的指标值量化规则，并通过BP神经网络对所述资源环境属性进行分析评价。这样就可以对产品制造过程的资源消耗和环境影响情况进行分析和评价，从而能够制定相应的措施来降低产品制造过程中所产生的环境负面影响，并提高资源的利用率，实现了产品的绿色制造。

Description

产品制造过程的绿色评价方法及装置

技术领域

本发明涉及产品制造领域，尤其涉及一种产品制造过程的绿色评价方法及装置。

背景技术

目前，产品的绿色制造是一个综合考虑环境影响和资源消耗的现代制造业可持续发展模式，如何改善产品制造过程中环境的友好性是企业实施绿色制造的重要内容之一。一般来说，分析和评价制造过程中资源环境属性的种类、特性及相关的信息，以及明确制造过程中资源的消耗和环境的影响状况是实现绿色制造的基础。

然而在现有技术中，并没有相应的方法和工具来对制造过程中的资源环境属性进行分析，也就无法准确判断产品的制造过程是否达到了绿色制造的要求，也无法判断同一产品的不同加工路线的优劣。从而无法对产品制造过程中的资源环境情况作出相应的评价，也就不能改善资源环境的消耗现状，无法满足现代产品制造业的需求。

发明内容

本发明实施例所要解决的技术问题在于提供一种产品制造过程的绿色评价方法及装置，能够对产品制造过程中的资源消耗和环境影响进行分析和评价，从而降低产品制造过程中所产生的环境负面影响，并提高资源利用率。

本发明实施例提供了一种产品制造过程的绿色评价方法，包括：

建立针对产品的加工工艺绿色特征数据库，所述数据库中包括所述产品制造过程中所产生的资源环境属性指标和该资源环境属性指标所对应的指标值，以及该资源环境属性指标值的量化规则；

当需要对所述产品的制造过程进行绿色评价时，从所述数据库中获取所述产品制造过程中所产生的资源环境属性指标值；

判断所获取的资源环境属性指标值是否达到设定的标准值；

若达到，则再调用所述数据库中的指标值量化规则，并通过BP神经网络对所述资源环境属性指标进行分析评价；反之，则提出工艺改进并重新制定所述产品的加工工艺路线。

所述从所述数据库中获取所述产品制造过程中所产生的资源环境属性指标值，进一步包括：

从所述数据库中获取所述产品在制造过程中所产生的资源环境属性指标；

现场采集所述资源环境属性指标所对应的值，并将该值存入数据库中；

获取所述数据库中该资源环境属性指标值。

所述判断所获取的资源环境属性指标值是否达到设定的标准值，具体包括：

根据所述产品绿色制造的实际需求设定资源环境消耗的阈值，将所获取的资源环境属性指标值与所述阈值进行比较，判断是否达到所述阈值。

所述资源环境属性指标值，具体包括：

产品制造过程中的原材料、辅助材料和能源的消耗属性值，以及废水、废气、噪声、固体废弃物的排放指标值。

所述调用所述数据库中的指标值量化规则，并通过BP神经网络对所述资源环境属性指标进行分析评价，具体包括：

调用所述数据库中的指标值量化规则，对所述资源环境属性指标所对应的每个指标值进行量化打分；

按照公式(J_i-m(min))/(M(max)-m(min))对该资源环境属性指标所对应的每个指标值进行计算；其中，J_i表示所述每个指标经过量化打分后得到的分值，m(min)和M(max)表示采用评分制所得到的分值最小值和最大值；

再调用BP神经网络中已存在的样本对进行训练，然后将计算所得到的值作为待评价值输入训练后的BP神经网络中，得出针对该待评价值的评价结果。

所述指标值的量化规则，具体包括：

根据数据统计规律，获得资源环境属性指标的参考平均值；

将所述产品制造过程中所产生的资源环境属性指标值与所述参考平均值进行比较，依据比较所得到的差值大小范围进行量化评分。

所述数据库中还包括：用来描述所述产品加工工艺过程的信息文件。

本发明实施例还提供了一种产品制造过程的绿色评价装置，包括：

数据库建立模块，用于建立针对产品的加工工艺绿色特征数据库，所述数据库中包括所述产品制造过程中所产生的资源环境属性指标和该资源环境属性指标所对应的指标值，以及该资源环境属性指标值的量化规则；

数据获取模块，用于当需要对所述产品进行绿色评价时，从所述数据库中获取所述产品制造过程中所产生的资源环境属性指标值；

绿色评价模块，用于判断所述数据获取模块所获取的资源环境属性指标值是否达到设定的标准值；若达到，则再调用所述数据库中的指标值量化规则，并通过BP神经网络对所述资源环境属性指标进行分析评价。

所述装置还包括：

数据记录模块，用于将所述绿色评价模块所得到的分析评价结果，以BP神经网络训练样本对的形式存储到所述BP神经网络中。

由上述所提供的技术方案可以看出，首先建立针对产品的加工工艺的绿色特征数据库，该数据库中包括所述产品制造过程中所产生的资源环境属性指标和该资源环境属性指标所对应的指标值，以及该资源环境属性指标值的量化规则；然后当需要对所述产品进行绿色评价时，从所述数据库中获取所述产品制造过程中所产生的资源环境属性指标值；再判断所获取的资源环境属性指标值是否达到设定的标准值；若达到，则再调用所述数据库中的指标值量化规则，并通过BP神经网络对所述资源环境属性进行分析评价。这样就可以对产品制造过程的资源消耗和环境影响情况进行分析和评价，从而能够制定相应的措施来降低产品制造过程中所产生的环境负面影响，并提高资源的利用率，实现产品的绿色制造。

附图说明

图1为本发明实施例1所提供方法的流程示意图；

图2为本发明实施例2所提供装置的结构示意图。

具体实施方式

本发明实施方式提供了一种产品制造过程的绿色评价方法及装置，下面结合附图对本发明的具体实施例做详细说明：

实施例1：本发明实施例1提供了一种产品制造过程的绿色评价方法，如图1所示为本实施例1所提供方法的流程示意图，所述方法包括：

步骤11：建立针对产品加工工艺的绿色特征数据库。

具体来说，在对某一产品的制造过程进行绿色评价时，需要首先建立针对该产品的加工工艺绿色特征数据库；该数据库中包括：1)产品制造过程中所产生的资源环境属性指标；2)该资源环境属性指标所对应的指标值；3)该资源环境属性指标值的量化规则。

以上所述的资源环境属性指标值具体包括产品制造过程中的原材料、辅助材料和能源等的消耗属性值，以及废水、废气、噪声、固体废弃物等的排放属性值。

举例来说，在某一产品的制造过程中，其消耗的资源属性主要包括原材料、辅助材料和能量等的消耗特性。其中，原材料(铸件、锻件等)的消耗特性涉及：可加工工件原材料种类、对工件工艺定额的影响、可再生性、是否稀有资源、是否有毒有害材料、消耗量、利用率、可回收性、可处理性等。

辅助材料(刀具、夹具、量具、切削液等)的消耗特性涉及：种类、可再生性、是否稀有资源、是否有毒有害材料、消耗量、利用率、可回收性、可处理性等。

能源(电能、燃料等)的消耗特性涉及：能源类型、消耗量、利用率、可回收性等。

其所消耗的环境属性主要包括废水、废气、噪声、固体废弃物等污染物的排放指标。其中，废气污染排放涉及：污染源、排放物、测定方法、防治措施等；废水污染排放涉及：污染源、排放物、测定方法、防治措施等；固体废弃物的排放涉及：污染源、排放物、测定方法、防治措施等；噪声及其他污染物排放涉及：污染源、排放物、测定方法、防治措施等。

上述的资源环境属性信息在实际进行绿色评价的过程中，可能只用到其中的部分量化指标，例如可以是利用排放量、消耗量或利用率等指标来判断，具体需要根据进行评价时所设定标准值的指标类型来选择。

另外，以上所述的数据库中还可以包括用来描述所述产品加工工艺过程的信息文件。具体来说可以包括该产品制造的工艺定义、特点和应用范围等信息，该信息文件可以文本文件的形式存储在数据库中，主要是为了方便用户进行查询，了解该产品的制造工艺路线和特点，以便更准确的进行绿色评价操作。

步骤12：当需要对该产品的制造过程进行绿色评价时，从数据库中获取产品的资源环境属性指标值。

具体来说，在产品制造过程中，当需要对其进行绿色评价时，就可以从事先建立好的数据库中提取出该产品制造过程中所产生的资源环境属性指标值，该资源环境属性指标值可以是在现场采集的。例如在实际实现过程中，可以先从所述数据库中获取该产品在制造过程中所产生的资源环境属性指标；然后在生产现场采集针对该资源环境属性指标对应的值，并将该值存入数据库，然后再从数据库中获取该资源环境属性指标值，这样可以使整个的评价过程更加的准确和科学。

步骤13：判断所获取的资源环境属性指标值是否达到设定的标准值。

具体来说，就是将所获取到的资源环境属性指标值和预设的标准值进行比较，判断是否达到预设的标准值。在具体实现过程中，可以根据该产品绿色制造的实际需求设定相应指标的阈值，再将所获取的资源环境属性与该阈值进行比较，判断是否达到所述的阈值。该阈值的设定可以参考相应的国际标准或国家标准来进行，也可以根据产品实际制造的情况来由工作人员进行自主设定。例如可以根据ISO14000或OHSAS18000等相关标准的规定，设定原材料消耗量、废弃物排放量或能源利用率等指标为比较阈值，其取值就以上述标准为依据来进行设定。

步骤14：若达到，再通过BP神经网络对该制造过程的资源环境属性进行分析评价，得出评价结果。

具体来说，若判断所获取的资源环境属性指标值可以达到设定的标准值，则再调用数据库中的指标值量化规则对所述资源环境属性指标值进行量化，并通过BP神经网络对所述制造过程的资源环境属性做进一步的整体分析评价，得出整体评价结果，这里所述的BP神经网络是指基于误差反向传播算法(errorback propagation BP)的人工神经网络(artificial neural networks，ANN)。

具体进行整体评价的过程为：首先调用数据库中的指标值量化规则，对所述资源环境属性指标值进行量化。

在上述的过程中，数据库中的指标值量化规则具体是根据该产品制造过程中的资源环境消耗状况而制定的。其中，所述指标值量化规则可以按照如下方式来制定：

1)定量指标：根据数据统计规律，获得的资源环境属性指标的参考平均值；然后将所述产品制造过程中所产生的资源环境属性指标值与所述参考平均值进行比较，依据比较所得到的差值大小范围进行量化评分。

举例来说，以原材料消耗量作为评价指标，具体的指标值量化规则可以首先通过定量分析，并根据数据统计规律来获得工序原材料消耗量的参考平均值；然后再用实际的原材料消耗量与该参考平均值进行比较，依据其差值的大小范围按10分制来打分，具体评分表如下表1所示：

 

与参考平均值的差值(％)	≤0	≤5	≤10	≤15	≤20	≤25	≤30	≤35	≤40	≤45	≥50
												评分值	0	1	2	3	4	5	6	7	8	9	10

表1

上表中，当与参考平均值的差值≤0时，其量化评分为0；当与参考平均值的差值在0～5之间时，其量化平均值为1；以此类推，当与参考平均值的差值≥50时，其量化平均值为10。

2)定性指标：可以根据现场实际情况，采取专家打分的方式进行评分；

举例来说，以切削加工中的操作安全性作为评价指标，具体的量化评分规则可以通过对加工现场有无防护装置，由专家对其评分，具体评分表如下表2所示：

 

切屑种类与有无防护措施	蹦脆切屑无防护	其他切屑无防护	蹦脆切屑有防护	其他切屑有防护
					评分值	8	6	4	2

表2

在以上的指标值量化过程中，所得到的评分值越大，说明实际原材料的消耗量越大，该指标对资源环境的影响也就越大，也就是说分值越大，产品制造过程的绿色性就越低。

然后再按照公式(J_i-m(min))/(M(max)-m(min))对所述资源环境属性的每个指标进行计算；其中，J_i表示所述每个指标经过量化打分后得到的分值；m(min)和M(max)为定值，表示采用评分制所得到的分值最小值和最大值。

经过以上操作后，再调用BP神经网络中已存在的样本对进行训练，然后将计算所得到的值作为待评价值输入训练后的BP神经网络中，从而得出针对该待评价值的评价结果。

举例来说，BP神经网络评价的具体过程为：首先将BP神经网络中已知的样本对用评价矩阵p1和评价结果t1来表示，即(p1，t1)；将待评价值用p2来表示，假设某一产品制造过程中选定的15个指标的评分值均设定为8，则将上述评分值带入公式(J_i-m(min))/(M(max)-m(min))进行计算，就可以得到一个15×1的待评价矩阵p2＝{0.8，0.8，......}。

然后BP神经网络再调用已存在的样本对(p1，t1)进行训练，在训练好后对p2进行计算，得出评价结果t2；该评价结果t2一般可以用三种结果矩阵来表示，即绿色矩阵(1，0，0)、浅绿色矩阵(0，1，0)和非绿色矩阵(0，0，1)。

例如，若零件A在某工艺路线下的资源环境属性参数及评价结果为(p2，t2)，其值具体为({0.8，0.8，0.8，......}，{0.0，0.0，1.0})，那么操作人员就可以看出：虽然此制造过程中各项资源环境属性指标值均符合设定的参考标准值，但其资源消耗和环境影响还比较大，且制造过程中的综合评价结果是非绿色；这样通过比较各条工艺路线所得出的评价结果，就可以选出最符合绿色制造要求的工艺路线，满足产品的绿色制造要求。

步骤15：若达不到标准，则提出工艺改进并重新制定所述产品的加工工艺路线。

具体来说，就是在判断所获取的资源环境属性值无法达到设定的标准值时，就可以提出相应的工艺改进措施，并重新制定该产品的加工工艺路线，再重复上述的判断操作，直到其达到标准为止。

通过上述技术方案的实施，就可以对产品制造过程的资源消耗和环境影响情况进行分析和评价，从而能够制定相应的措施来降低产品制造过程中所产生的环境负面影响，并提高资源的利用率，实现了产品的绿色制造；同时如果某一产品存在多条符合绿色制造要求的加工工艺路线，还可以通过对比BP神经网络所得到的评价结果矩阵来选出最优的加工路线，从而优化了产品的加工工艺路线。

另外，上述BP神经网络所得到的评价结果还可以通过网络系统传送到BP神经网络样本模块中，作为新的神经网络训练样本对存储到神经网络样本模块，这样就可以使得该BP神经网络积累更多的数据，方便工作人员进行查询参考。

举例来说，若BP神经网络中原训练样本对总数为6，通过对待评价值p2的评价，得到结果矩阵t2＝(0.00......，0.00......，0.98......)，可以看出t2与非绿色评价矩阵(0，0，1)的隶属度最为接近，因此此待评价值p2对应的评价结果就是非绿色，取t2＝(0.0，0.0，1.0)。

然后将(p2，t2)作为新的已知训练样本对保存在BP神经网络样本模块中。这样BP神经网络中的训练样本对的总数就为7了。那么在下次调用BP神经网络对某产品的制造过程的资源环境属性进行评价时，BP神经网络就可以调用7个样本对进行训练了，从而使该BP神经网络积累了更多的数据。

实施例2：本发明实施例2提供了一种产品制造过程中的绿色评价装置，如图2所示是本实施例2所提供装置的结构示意图，所述装置包括数据库建立模块、数据获取模块和绿色评价模块，其中：

所述数据库建立模块用于建立针对产品的加工工艺绿色特征数据库，所述数据库中包括所述产品制造过程中所产生的资源环境属性指标和该资源环境属性指标所对应的指标值，以及该资源环境属性指标值的量化规则；

数据获取模块，用于当需要对所述产品进行绿色评价时，从所述数据库中获取所述产品制造过程中所产生的资源环境属性指标值；

绿色评价模块，用于判断所述数据获取模块所获取的资源环境属性指标值是否达到设定的标准值；若达到，则再调用所述数据库中的指标值量化规则，并通过BP神经网络对所述资源环境属性指标进行分析评价。具体进行评价的方式见以上方法实施例1中所述。

另外，以上所述的装置还可包括数据记录模块，该数据记录模块用于将所述绿色评价模块所得到的分析评价结果，以BP神经网络训练样本对的形式存储到所述BP神经网络中。

以上所述的装置可以作为功能模块集成设置在计算机等终端处理设备中。

上述装置实施例中，所包括的各个单元只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。

另外，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件完成，相应的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

综上所述，本发明实施例可以对产品制造过程的资源消耗和环境影响情况进行分析和评价，从而能够制定相应的措施来降低产品制造过程中所产生的环境负面影响，并提高资源利用率，实现产品的绿色制造。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明实施例揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (9)

1、一种产品制造过程的绿色评价方法，其特征在于，

建立针对产品的加工工艺绿色特征数据库，所述数据库中包括所述产品制造过程中所产生的资源环境属性指标和该资源环境属性指标所对应的指标值，以及该资源环境属性指标值的量化规则；

当需要对所述产品的制造过程进行绿色评价时，从所述数据库中获取所述产品制造过程中所产生的资源环境属性指标值；

判断所获取的资源环境属性指标值是否达到设定的标准值；

若达到，则再调用所述数据库中的指标值量化规则，并通过BP神经网络对所述资源环境属性指标进行分析评价；反之，则提出工艺改进并重新制定所述产品的加工工艺路线。

2、如权利要求1所述的方法，其特征在于，所述从所述数据库中获取所述产品制造过程中所产生的资源环境属性指标值，进一步包括：

从所述数据库中获取所述产品在制造过程中所产生的资源环境属性指标；

现场采集所述资源环境属性指标所对应的值，并将该值存入数据库中；

获取所述数据库中该资源环境属性指标值。

3、如权利要求1所述的方法，其特征在于，所述判断所获取的资源环境属性指标值是否达到设定的标准值，具体包括：

根据所述产品绿色制造的实际需求设定资源环境消耗的阈值，将所获取的资源环境属性指标值与所述阈值进行比较，判断是否达到所述阈值。

4、如权利要求1-3其中之一所述的方法，其特征在于，所述资源环境属性指标值，具体包括：

产品制造过程中的原材料、辅助材料和能源的消耗属性值，以及废水、废气、噪声、固体废弃物的排放指标值。

5、如权利要求1所述的方法，其特征在于，所述调用所述数据库中的指标值量化规则，并通过BP神经网络对所述资源环境属性指标进行分析评价，具体包括：

调用所述数据库中的指标值量化规则，对所述资源环境属性指标所对应的每个指标值进行量化打分；

按照公式(J₁-m(min))/(M(max)-m(min))对该资源环境属性指标所对应的每个指标值进行计算；其中，J₁表示所述每个指标经过量化打分后得到的分值，m(min)和M(max)表示采用评分制所得到的分值最小值和最大值；

再调用BP神经网络中已存在的样本对进行训练，然后将计算所得到的值作为待评价值输入训练后的BP神经网络中，得出针对该待评价值的评价结果。

6、如权利要求1或5所述的方法，其特征在于，所述指标值的量化规则，具体包括：

根据数据统计规律，获得资源环境属性指标的参考平均值；

将所述产品制造过程中所产生的资源环境属性指标值与所述参考平均值进行比较，依据比较所得到的差值大小范围进行量化评分。

7、如权利要求1所述的方法，其特征在于，所述数据库中还包括：用来描述所述产品加工工艺过程的信息文件。

8、一种产品制造过程中的绿色评价装置，其特征在于，包括：

数据库建立模块，用于建立针对产品的加工工艺绿色特征数据库，所述数据库中包括所述产品制造过程中所产生的资源环境属性指标和该资源环境属性指标所对应的指标值，以及该资源环境属性指标值的量化规则；

数据获取模块，用于当需要对所述产品进行绿色评价时，从所述数据库中获取所述产品制造过程中所产生的资源环境属性指标值；

绿色评价模块，用于判断所述数据获取模块所获取的资源环境属性指标值是否达到设定的标准值；若达到，则再调用所述数据库中的指标值量化规则，并通过BP神经网络对所述资源环境属性指标进行分析评价。

9、如权利要求8所述的装置，其特征在于，所述装置还包括：

数据记录模块，用于将所述绿色评价模块所得到的分析评价结果，以BP神经网络训练样本对的形式存储到所述BP神经网络中。

Images