專利名稱：：產品制造過程的綠色評價方法及裝置的制作方法
技術領域：
：本發(fā)明涉及產品制造領域，尤其涉及一種產品制造過程的綠色評價方法及裝置。
背景技術：
：目前，產品的綠色制造是一個綜合考慮環(huán)境影響和資源消耗的現代制造業(yè)可持續(xù)發(fā)展模式，如何改善產品制造過程中環(huán)境的友好性是企業(yè)實施綠色制造的重要內容之一。一般來說，分析和評價制造過程中資源環(huán)境屬性的種類、特性及相關的信息，以及明確制造過程中資源的消耗和環(huán)境的影響狀況是實現綠色制造的基礎。然而在現有技術中，并沒有相應的方法和工具來對制造過程中的資源環(huán)境屬性進行分析，也就無法準確判斷產品的制造過程是否達到了綠色制造的要求，也無法判斷同一產品的不同加工路線的優(yōu)劣。從而無法對產品制造過程中的資源環(huán)境情況作出相應的評價，也就不能改善資源環(huán)境的消耗現狀，無法滿足現代產品制造業(yè)的需求。
發(fā)明內容本發(fā)明實施例所要解決的技術問題在于提供一種產品制造過程的綠色評價方法及裝置，能夠對產品制造過程中的資源消耗和環(huán)境影響進行分析和評價，從而降低產品制造過程中所產生的環(huán)境負面影響，并提高資源利用率。本發(fā)明實施例^是供了一種產品制造過程的綠色評價方法，包括建立針對產品的加工工藝綠'色特征數據庫，所述數據庫中包括所述產品制造過程中所產生的資源環(huán)境屬性指標和該資源環(huán)境屬性指標所對應的指標值，200810238913.1說明書第2/10頁以及該資源環(huán)境屬性指標值的量化規(guī)則；當需要對所述產品的制造過程進行綠色評價時，從所述數據庫中獲取所述產品制造過程中所產生的資源環(huán)境屬性指標值；判斷所獲取的資源環(huán)境屬性指標值是否達到設定的標準值；若達到，則再調用所述數據庫中的指標值量化規(guī)則，并通過BP神經網絡對所述資源環(huán)境屬性指標進行分析評價；反之，則提出工藝改進并重新制定所述產品的加工工藝路線。所述從所述數據庫中獲取所述產品制造過程中所產生的資源環(huán)境屬性指標值，進一步包括從所述數據庫中獲取所述產品在制造過程中所產生的資源環(huán)境屬性指標；現場采集所述資源環(huán)境屬性指標所對應的值，并將該值存入數據庫中；獲取所述數據庫中該資源環(huán)境屬性指標值。所述判斷所獲取的資源環(huán)境屬性指標值是否達到設定的標準值，具體包括根據所述產品綠色制造的實際需求設定資源環(huán)境消耗的閾值，將所獲取的資源環(huán)境屬性指標值與所述閾值進行比較，判斷是否達到所述閾值。所述資源環(huán)境屬性指標值，具體包括產品制造過程中的原材料、輔助材料和能源的消耗屬性值，以及廢水、廢氣、噪聲、固體廢棄物的排放指標值。所述調用所述數據庫中的指標值量化規(guī)則，并通過BP神經網絡對所述資源環(huán)境屬性指標進行分析評價，具體包括調用所述數據庫中的指標值量化規(guī)則，對所述資源環(huán)境屬性指標所對應的每個指標值進行量化打分；按照公式W-—min))/(M(max)-m(min))對該資源環(huán)境屬性指標所對應的每個指標值進行計算；其中，A表示所述每個指標經過量化打分后得到的分值，—min)和M(max)表示采用評分制所得到的分值最'j、值和最大值；再調用BP神經網絡中已存在的樣本對進行訓練，然后將計算所得到的值作為待評價值瑜入訓練后的BP神經網絡中，得出針對該待評價值的評價結果。所述指標值的量化規(guī)則，具體包括根據數據統(tǒng)計規(guī)律，獲得資源環(huán)境屬性指標的參考平均值；將所述產品制造過程中所產生的資源環(huán)境屬性指標值與所述參考平均值進行比較，依據比較所得到的差值大小范圍進行量化評分。所述數據庫中還包括用來描述所述產品加工工藝過程的信息文件。本發(fā)明實施例還提供了一種產品制造過程的綠色評價裝置，包括數據庫建立模塊，用于建立針對產品的加工工藝綠色特征數據庫，所述數據庫中包括所述產品制造過程中所產生的資源環(huán)境屬性指標和該資源環(huán)境屬性指標所對應的指標值，以及該資源環(huán)境屬性指標值的量化規(guī)則；,數據獲取模塊，用于當需要對所述產品進行綠色評價時，從所述數據庫中獲取所述產品制造過程中所產生的資源環(huán)境屬性指標值；綠色評價^^塊，用于判斷所述數據獲取4莫塊所獲取的資源環(huán)境屬性指標值是否達到設定的標準值;若達到，則再調用所述數據庫中的指標值量化規(guī)則，并通過BP神經網絡對所述資源環(huán)境屬性指標進行分析評價。所述裝置還包括數據記錄模塊，用于將所述綠色評價模塊所得到的分析評價結果，以BP神經網絡訓練樣本對的形式存儲到所述BP神經網絡中。由上述所提供的技術方案可以看出，首先建立針對產品的加工工藝的綠色特征數據庫，該數據庫中包括所述產品制造過程中所產生的資源環(huán)境屬性指標和該資源環(huán)境屬性指標所對應的指標值，以及該資源環(huán)境屬性指標值的量化規(guī)則；然后當需要對所述產品進行綠色評價時，從所述數據庫中獲取所述產品制造過程中所產生的資源環(huán)境屬性指標值；再判斷所獲取的資源環(huán)境屬性指標值是否達到設定的標準值；若達到，則再調用所述數據庫中的指標值量化規(guī)則，并通過BP神經網絡對所述資源環(huán)境屬性進行分析評價。這樣就可以對產品制造過程的資源消耗和環(huán)境影響情況進行分析和評價，從而能夠制定相應的措施來降低產品制造過程中所產生的環(huán)境負面影響，并提高資源的利用率，實現產品的綠色制造。圖1為本發(fā)明實施例1所提供方法的流程示意圖；圖2為本發(fā)明實施例2所提供裝置的結樹示意圖。具體實施例方式本發(fā)明實施-式提供了一種產品制造過程的綠色評價方法及裝置，下面結合附圖對本發(fā)明的具體實施例做詳細說明實施例1:本發(fā)明實施例1提供了一種產品制造過程的綠色評價方法，如圖1所示為未實施例1所^是供方法的流程示意圖，所述方法包括步驟11:建立針對產品加工工藝的綠色特征數據庫。具體來說，在對某一產品的制造過程進行綠色評價時，需要首先建立針對該產品的加工工藝綠色特征數據庫；該數據庫中包括1)產品制造過程中所產生的資源環(huán)境屬性指標；2)該資源環(huán)'境屬性指標所對應的指標值；3)該資源環(huán)境屬性指標值的量化規(guī)則。以上所述的資源環(huán)境屬性指標值具體包括產品制造過程中的原材料、'輔助材料和能源等的消耗屬性值，以及廢水、廢氣、噪聲、固體廢棄物等的排放屬性值。舉例來說，在某一產品的制造過程中，其消耗的資源屬性主要包括原材料、輔助材料和能量等的消耗特性。其中，原材料(鑄件、鍛件等)的消耗特性涉及可加工工件原材料種類、對工件工藝定額的影響、可再生性、是否稀有資源、是否有毒有害材料、消耗量、利用率、可回收性、可處理性等。輔助材料(刀具、夾具、量具、切削液等)的消耗特性涉及種類、可再生性、是否稀有資源、是否有毒有害材料、消耗量、利用率、可回收性、可處理性等。能源(電能、燃料等)的消耗特性涉及能源類型、消耗量、利用率、可回收性等。'其所消耗的環(huán)境屬性主要包括廢水、廢氣、噪聲、固體廢棄物等污染物的排放指標。其中，廢氣污染排放涉及污染源、排放物、測定方法、防治措施等；廢水污染排放涉及污染源、排放物、測定方法、防治措施等；固體廢棄物的排放涉及污染源、排放物、測定方法、防治措施等；噪聲及其他污染物排放涉及污染源、排放物、測定方法、防治措施等。上述的資源環(huán)境屬性信息在實際進行綠色評價的過程中，可能只用到其中的部分量化指標，例如可以是利用排放量、消耗量或利用率等指標來判斷，具體需要根據進行評價時所設定標準值的指標類型來選擇。另外，以上所述的數據庫中還可以包括用來描述所述產品加工工藝過程的信息文件。具體來說可以包括該產品制造的工藝定義、特點和應用范圍等信息，該信息文件可以文本文件的形式存儲在數據庫中，主要是為了方便用戶進行查詢，了解該產品的制造工藝路線和特點，以便更準確的進行綠色評價操作。步驟12:當,需要對該產品的制造過程進行綠色評價時，從數據庫中獲取產品的資源環(huán)境屬性指標值。.具體來說，在產品制造過程中，當需要對其進行^:色評價時，就可以從事先建立好的數據庫中提取出該產品制造過程中所產生的資源環(huán)境屬性指標值，該資源環(huán)境屬性指標值可以是在現場采集的。例如在實際實現過程中，可以先從所述數據庫中獲取該產品在制造過程中所產生的資源環(huán)境屬性指標；然后在生產現場采集針對該資源環(huán)境屬性指標對應的值，并將該值存入數據庫，然后再從數據庫中獲取該資源環(huán)境屬性指標值，這樣可以使整個的評價過程更加的準確和科學。步驟13:判斷所獲取的資源環(huán)境屬性指標值是否達到設定的標準值。具體來說，就是將所獲取到的資源環(huán)境屬性指標值和預設的標準值進行比較，判斷是否達到預設的標準值。在具體實現過程中，可以根據該產品綠色制造的實際需求設定相應指標的閾值，再將所獲取的資源環(huán)境屬性與該閾值進行比較，判斷是否達到所述的閾值。該閾值的設定可以參考相應的國際標準或國家標準來進行，也可以才艮據產品實際制造的情況來由工作人員進行自主設定。例如可以根據ISO14000或OHSAS18000等相關標準的規(guī)定，設定原材料消耗量、廢棄物排放量或能源利用率等指標為比較閾值，其取值就以上述標準為依據來進行設定。步驟14:若達到，再通過BP神經網絡對該制造過程的資源環(huán)境屬性進行分析評價，得出評價結果。具體來說，若判斷所獲取的資源環(huán)境屬性指標值可以達到設定的標準值，則再調用數據庫中的指標值量化規(guī)則對所述資源環(huán)境屬性指標值進行量化，并、通過BP神經網絡對所述制造過程的資源環(huán)境屬性做進一步的整體分析評價，得出整體評價結果，這里所述的BP神經網絡是指基于誤差反向傳播算法(errorbackpropagationBP)的人工^申經網纟各(artificialneuralnetworks,ANN)。具體逃行整體評價的過程為首先調用數據庫中的指標值量化規(guī)則，對'所述資源環(huán)境屬性指標值進行量化。在上述的過程中，數據庫中的指標值量化規(guī)則具體是根據該產品制造過程中的資源環(huán)境消耗狀況而制定的。其中，所述指標值量化規(guī)則可以按照如下方式來制定1)定量指標根據數據統(tǒng)計規(guī)律，獲得的資源環(huán)境屬性指標的參考平均值；然后將所述產品制造過程中所產生的資源環(huán)境屬性指標值與所述參考平均值進行比較，依據比較所得到的差值大小范圍進行量化評分。舉例來說，以原材料消耗量作為評價指標，具體的指標值量化規(guī)則可以首先通過定量分析，并根據數據統(tǒng)計規(guī)律來獲得工序原材料消耗量的參考平均值；然后再用實際的原材料消耗量與該參考平均值進行比較，依據其差值的大小范圍按10分制來打分，具體評分表如下表1所示—<table>tableseeoriginaldocumentpage11</column></row><table>表1上表中，當與參考平均值的差值^)時，其量化評分為0;當與參考平均值的差值在05之間時，其量化平均值為1;以此類推，當與參考平均值的差值^50時，其量化平均值為10。2)定性指標可以根據現場多際情況，采取專，打分的方式進行評分；舉例來說，以切削加工中的操作安全性作為評價指標，具體的量化評分規(guī)則可以通過對加工現場有無防護裝置，由專家對其評分，具體評分表如下表2所示<table>tableseeoriginaldocumentpage11</column></row><table>表2在以上的指標值量化過程中，所得到的評分值越大，iJL明實際原材料的消耗量越大，該指標對資源環(huán)境的影響也就越大，也就是說分值越大，產品制造過程的綠色性就越低。然后再按照公式"—W(min》/(M(maX)—W(min))對所述資源環(huán)境屬性的每個指標進行計算;其中，〃'表示所述每個指標經過量化打分后得到的分值；w(min)和M(max)為定值，表示采用評分制所得到的分值最小值和最大值。經過以上操作后，再調用BP神經網絡中已存在的樣本對進行訓練，然后將計算所得到的值作為待評價值輸入訓練后的BP神經網絡中，從而得出針對該待評價值的評價結果。舉例來說，BP神經網絡評價的具體過程為首先將BP神經網絡中已知的樣本對用評價矩陣p1和評價結果t1來表示，即(p1，t1);將待評價值用p2來表示，假設某一產品制造過程中選定的15個指標的評分值均設定為8，則將上述評分值帶入公式"-附一幼/("(111狄)-—111的)進行計算，就可以得到一個15x1的待評價矩陣p2^0.8，0.8，……}。然后BP神經網絡再調用已存在的樣本對(p1,t1)進行訓練，在訓練好后對p2進行計算，得出評價結果t2;該評價結果t2—般可以用三種結果矩陣來表示，即綠色矩陣(1，0，0)、淺綠色矩陣(0，1，0)和非綠色矩陣(0，0，1)。例如，若零件A在某工藝路線下的資源環(huán)境屬性參數及評價結果為(p2,t2)，其值具體為({0.8,0.8，0,8，……},{0.0，0.0，1.0}),那么操作人員就可以看出雖然此制造過程中各項資源環(huán)境屬性指標值均符合設定的參考標準值，但其資源消耗和環(huán)境影響還比較大，且制造過程中的綜合評價結果是非綠色；這樣通過比較各條工藝路線所得出的評價結果，就可以選出最符合綠色制造要求的工藝路線，滿足產品的綠色制造要求。步驟15:若達不到標準，則提出工藝改進并重新制定所述產品的加工工藝路線。具體來說，就是在判斷所獲取的資源環(huán)境屬性值無法達到設定的標準值時，就可以提出相應的工藝改進措施，并重新制定該產品的加工工藝路線，再重復上述的判斷^t喿作，直到其達到標準為止。通過上述技術方案的實施，就可以對產品制造過程的資源消耗和環(huán)境影響情況進行分析和評價，從而能夠制定相應的措施來降低產品制造過程中所產生的環(huán)境負面影響，并^^高資源的利用率，實現了產品的綠色制造；同時如果某一產品存在多條符合綠色制造要求的加工工藝路線，還可以通過對比BP神經網絡所得到的評價結果矩陣來選出最優(yōu)的加工路線，從而優(yōu)化了產品的加工工藝路線。''另外，上述BP神經網絡所得到的評價結果還可以通過網絡系統(tǒng)傳送到已P神經網絡樣本模塊中，作為新的神經網絡訓練樣本對存儲到神經網絡樣本模塊，這樣就可以使得該BP神經網絡積累更多的數據，方便工作人員進行查詢參考。舉例來說，若BP神經網絡中原訓練樣本對總數為6，通過對待評價值p2的評價，得到結果矩陣t2二(0.00……，0.00......,0.98……)，可以看出t2與非綠色評價矩陣(O，0，1)的隸屬度最為接近，因此此持評價值p2對應的評價結果就是非綠色，取t2二(0.0,0.0,1.0)。然后將(p2，t2)作為新的已知訓練樣本對保存在BP神經網絡樣本模塊中。這樣BP神經網絡中的訓練樣本對的總數就為7了。那么在下次調用BP神經網絡對某產品的制造過程的資源環(huán)境屬性進行評價時，BP神經網絡就可以調用7個樣本對進行訓練了，從而使該BP神經網絡積累了更多的數據。實施例2:本發(fā)明實施例2提供了一種產品制造過程中的綠色評價裝置，如圖2所示是本實施例2所提供裝置的結構示意圖，所述裝置包括數據庫建立模塊、數據獲取模塊和綠色評價模塊，其中所述數據庫建立^f莫塊用于建立針對產品的加工工藝綠色特征數據庫，所述數據庫中包括所述產品制造過程中所產生的資源環(huán)境屬性指標和該資源環(huán)境屬性指標所對應的指標值，以及該資源環(huán)境屬性指標值的量化規(guī)則；數據獲取模塊，用于當需要對所述產品進行綠色評價時，從所述數據庫中獲取所述產品制造過程中所產生的資源環(huán)境屬性指標值；綠色評價模塊，用于判斷所述數據獲取模塊所獲取的資源環(huán)境屬性指標值是否達到設定的標準值；若達到，則再調用所述數據庫中的指標值量化規(guī)則，并通過BP神經網絡對所述資源環(huán)境屬性指標進行分析評價。具體進行評價的方式見以上方法實施例1中所述。另外，以上所述的裝置還可包括數據記錄模塊，該數據記錄模塊用于將所述綠色評價模塊所得到的分析評價結果，以BP神經網絡訓練樣本對的形式存儲到所述BP神經網絡中。''以上所述的裝置可以作為功能模塊集成設置在計算機等終端處理設備中。上述裝置實施例中，所包括的各個單元只是按照功能邏輯進行劃分的，但并不局限于上述的劃分，只要能夠實現相應的功能即可；另外，各功能單元的具體名稱也只是為了便于相互區(qū)分，并不用于限制本發(fā)明的保護范圍。步驟是可以通過程序來指令相關的硬件完成，相應的程序可以存儲于一種計算機可讀存儲介質中，上述提到的存儲介質可以是只讀存儲器，磁盤或光盤等。綜上所述，本發(fā)明實施例可以對產品制造過程的資源消耗和環(huán)境影響情況進行分析和評價，從而能夠制定相應的措施來降低產品制造過程中所產生的環(huán)境負面影響，并提高資源利用率，實現產品的綠色制造。以上所述，僅為本發(fā)明較佳的具體實施方式，但本發(fā)明的保護范圍并不局限于此，任何熟悉本
技術領域：
的技術人員在本發(fā)明實施例揭露的技術范圍內，可輕易想到的變化或替換，都應涵蓋在本發(fā)明的保護范圍之內。因此，本發(fā)明的保護范圍應該以權利要求的保護范圍為準。權利要求1、一種產品制造過程的綠色評價方法，其特征在于，建立針對產品的加工工藝綠色特征數據庫，所述數據庫中包括所述產品制造過程中所產生的資源環(huán)境屬性指標和該資源環(huán)境屬性指標所對應的指標值，以及該資源環(huán)境屬性指標值的量化規(guī)則；當需要對所述產品的制造過程進行綠色評價時，從所述數據庫中獲取所述產品制造過程中所產生的資源環(huán)境屬性指標值；判斷所獲取的資源環(huán)境屬性指標值是否達到設定的標準值；若達到，則再調用所述數據庫中的指標值量化規(guī)則，并通過BP神經網絡對所述資源環(huán)境屬性指標進行分析評價；反之，則提出工藝改進并重新制定所述產品的加工工藝路線。2、如權利要求1所述的方法，其特征在于，所述從所述數據庫中獲取所述產品制造過程中所產生的資源環(huán)境屬性指標值，進一步包括從所述數據庫中獲取所述產品在制造過程中所產生的資源環(huán)境屬性指標；現場采集所述資源環(huán)境屬性指標所對應的值，并將該值存入數據庫中；獲取所述數據庫中該資源環(huán)境屬性指標值。3、如權利要求1所述的方法，其特征在于，所述判斷所獲取的資源環(huán)蜂屬性指標值是否達到設定的標準值，具體包括根據所述產品綠色制造的實際需求設定資源環(huán)境消耗的閾值，將所獲取的資源環(huán)境屬性指標值與所述闊值進行比較，判斷是否達到所述閾值。4、如權利要求1-3其中之一所述的方法，其特征在于，所述資源環(huán)境屬性指標值，具體包括產品制造過程中的原材料、輔助材料和能源的消耗屬性值，以及廢水'、廢氣、噪聲、固體廢棄物的排放指標值。5、如權利要求1所述的方法，其特征在于，所述調用所述數據庫中的指標值量化規(guī)則，并通過BP神經網絡對所述資源環(huán)境屬性指標進行分析評價，具伴包括調用所述數據庫中的指標值量化規(guī)則，對所述資源環(huán)境屬性指標所對應的每個指標值進行量化打分；按照公式"——min))7(M(max)-w(min))對該資源環(huán)境屬性指標所對應的每個指標值進行計算；其中，,表示所述每個指標經過量化打分后得到的分值，m(min)和M(max)表示采用評分制所得到的分值最小值和最大值；再調用BP神經網絡中已存在的樣本對進行訓練，然后將計算所得到的值作為待評價值輸入訓練后的BP神經網絡中，得出針對該待評價值的評價結果。6、如權利要求1或5所述的方法，其特征在于，所述指標值的量化規(guī)則，具體包括根據數據統(tǒng)計規(guī)律，獲得資源環(huán)境屬性指標的參考平均值；將所述產品制造過程中所產生的資源環(huán)境屬性指標值與所述參考平均值進行比較，依據比較所得到的差值大小范圍進行量化評分。7、如權利要求1所述的方法，其特征在于，所述舞據庫中還包括用來描述所述產品加工工藝過程的信息文件。8、一種產品制造過程中的綠色評價裝置，其特征在于，包括數據卑建立模塊，用于建立針對產品的加工工藝綠色特征數據庫，所述數據庫中包括所述產品制造過程中所產生的資源環(huán)境屬性指標和該資源環(huán)境屬性指標所對應的指標值，以及該資源環(huán)境屬性指標值的量化規(guī)則；數據獲取模塊，用于當需要對所述產品進行綠色評價時，從所述數據庫中獲取所述產品制造過程中所產生的資源環(huán)境屬性指標值；綠色評價模塊，用于判斷所述數據獲取,模塊所獲取的資源環(huán)境屬性指標值是否達到設定的標準值；若達到，則再調用所述數據庫中的指標值量化規(guī)則，并通過BP神經網絡對所述資源環(huán)境屬性指標進行分析評價。9、如權利要求8所述的裝置，其特征在于，所述裝置還包括數據記錄模塊，用于將所述綠色評價模塊所得到的分析評價結果，以BP'神經網絡訓練樣本對'的形式存儲到所述BP神經網絡中。全文摘要本發(fā)明實施例提供了一種產品制造過程的綠色評價方法及裝置。具體包括首先建立針對產品的加工工藝綠色特征數據庫；然后當需要對所述產品制造過程進行綠色評價時，從所述數據庫中獲取所述產品制造過程中產生的資源環(huán)境屬性指標值；再判斷所獲取的資源環(huán)境屬性指標值是否達到設定的標準值；若達到，則再調用所述數據庫中的指標值量化規(guī)則，并通過BP神經網絡對所述資源環(huán)境屬性進行分析評價。這樣就可以對產品制造過程的資源消耗和環(huán)境影響情況進行分析和評價，從而能夠制定相應的措施來降低產品制造過程中所產生的環(huán)境負面影響，并提高資源的利用率，實現了產品的綠色制造。文檔編號G06N3/02GK101419690SQ20081023891公開日2009年4月29日申請日期2008年12月4日優(yōu)先權日2008年12月4日發(fā)明者彥何,飛劉,華張,江志剛,威鄢申請人:武漢科技大學