輕工裝備制造階段關(guān)鍵綠色質(zhì)量特性提取模型*

鄭 輝 趙乃瑩 郭甜甜 邢 萌

(天津科技大學(xué)工業(yè)工程系，天津 300457)

近年來輕工裝備制造業(yè)發(fā)展迅速，在確保輕工裝備產(chǎn)品功能和使用周期的前提下，研究產(chǎn)品制造過程對資源消耗和生態(tài)環(huán)境的影響，是實(shí)現(xiàn)輕工機(jī)械可持續(xù)發(fā)展的關(guān)鍵[1]。識別出對環(huán)境影響大的工藝過程，實(shí)現(xiàn)輕工裝備制造階段產(chǎn)品關(guān)鍵綠色質(zhì)量特性提取，既推進(jìn)輕工裝備制造業(yè)向節(jié)約環(huán)保產(chǎn)業(yè)發(fā)展又有利于我國社會、資源和環(huán)境的可持續(xù)發(fā)展。

隨著社會進(jìn)步和工業(yè)化快速發(fā)展，質(zhì)量的涵義不斷地?cái)U(kuò)大和延伸。時(shí)至今日，廣義的質(zhì)量除了傳統(tǒng)的定義更應(yīng)包括可持續(xù)發(fā)展理念，因此綠色質(zhì)量的概念應(yīng)運(yùn)而生。Shrivastava P[2]認(rèn)為基于環(huán)境的全面質(zhì)量管理應(yīng)該吸取在產(chǎn)品設(shè)計(jì)以及生產(chǎn)過程中的持續(xù)改善思想，嚴(yán)格控制產(chǎn)品全生命周期的活動(dòng)，實(shí)現(xiàn)組織與環(huán)境的最佳關(guān)系；劉飛等[3]以產(chǎn)品生命周期為基礎(chǔ)，從產(chǎn)品生命周期過程、綠色制造特征、綠色制造評估及監(jiān)控、綠色制造支撐展開分析，從而建立綠色制造的技術(shù)體系框架；Bourhis F L[4]根據(jù)生產(chǎn)過程的所有消耗流，從清潔生產(chǎn)和可持續(xù)發(fā)展的角度評價(jià)消耗流，并將模型集成到零部件的附加制造技術(shù)中；Price D J[5]提出了基于實(shí)現(xiàn)經(jīng)濟(jì)、社會和環(huán)境的最佳平衡的win-win-win質(zhì)量觀，三者的均衡可持續(xù)發(fā)展是組織的最終戰(zhàn)略目標(biāo)。

關(guān)鍵質(zhì)量特性提取是在產(chǎn)品生產(chǎn)過程中對產(chǎn)品質(zhì)量特性進(jìn)行分析和篩選，剔除對產(chǎn)品質(zhì)量影響不顯著質(zhì)量特性的過程。謝榮琦等[6]采用ReliefF算法和k-modes特征聚類算法結(jié)合，得到質(zhì)量相關(guān)性較強(qiáng)且相互之間冗余性較弱的CTGQs子集；李岸達(dá)等[7]提出一種綜合適應(yīng)度函數(shù)應(yīng)用于GSA算法，能有效過濾無關(guān)、冗余質(zhì)量特性，識別出關(guān)鍵質(zhì)量特性，得到更高預(yù)測精度；黃廣全等[8]提出一種面向數(shù)控機(jī)床元?jiǎng)幼鲉卧亩嗄繕?biāo)綜合模糊評價(jià)關(guān)鍵質(zhì)量特性識別方法，有效識別出對元?jiǎng)幼鲉卧兄匾绊懙年P(guān)鍵質(zhì)量特性；王寧等[9]依據(jù)多工序制造過程特點(diǎn)，提出基于彈性網(wǎng)的多工序制造過程關(guān)鍵質(zhì)量識別方法。

本文在總結(jié)文獻(xiàn)的基礎(chǔ)上明確了綠色質(zhì)量的定義，借助綠色特征對工藝過程進(jìn)行環(huán)境影響評價(jià)，將對環(huán)境影響最大的工藝過程參數(shù)作為產(chǎn)品關(guān)鍵綠色質(zhì)量特性。考慮到關(guān)鍵綠色質(zhì)量特性提取過程中易造成數(shù)據(jù)冗余，將ReliefF算法與APSO算法相結(jié)合，建立輕工裝備制造階段產(chǎn)品關(guān)鍵綠色特性提取模型。

1 輕工裝備制造階段產(chǎn)品綠色質(zhì)量特性

1.1 輕工裝備制造階段產(chǎn)品質(zhì)量特性

輕工裝備包括包裝機(jī)械、食品機(jī)械、皮革機(jī)械和造紙機(jī)械等各類輕工機(jī)械，具有范圍寬、種類多、工作環(huán)境差、結(jié)構(gòu)動(dòng)作和加工原理差異大等特點(diǎn)。GB/T 19000將質(zhì)量定義為一組固有特性滿足要求的程度，為了更加清晰地描述質(zhì)量，ISO 9000引入質(zhì)量特性的概念，即質(zhì)量特性是與要求有關(guān)的產(chǎn)品、過程或體系的固有特性。

在輕工裝備制造階段，產(chǎn)品質(zhì)量由制造零件的各個(gè)工藝過程保證。每個(gè)工藝形成的各種參數(shù)構(gòu)成了工藝級的質(zhì)量特性，是生產(chǎn)過程中操作人員可以感知并加以測量控制的產(chǎn)品實(shí)際質(zhì)量特性。質(zhì)量特性在輕工機(jī)械產(chǎn)品每個(gè)階段的表現(xiàn)形式如圖1所示。

1.2 輕工裝備制造過程產(chǎn)品綠色質(zhì)量特性

“中國制造2025”明確指出未來5年我國輕工裝備行業(yè)應(yīng)加快推進(jìn)技術(shù)裝備升級，在滿足輕工機(jī)械實(shí)用性的同時(shí)實(shí)現(xiàn)可持續(xù)發(fā)展。基于ISO 9000對質(zhì)量的定義，本文將綠色質(zhì)量定義為：“一組固有屬性滿足綠色要求的程度，將綠色理念融入產(chǎn)品質(zhì)量中，滿足生態(tài)綠色需求，實(shí)現(xiàn)組織與經(jīng)濟(jì)、社會和環(huán)境的平衡”。依據(jù)綠色質(zhì)量，在工藝級的質(zhì)量特性中考慮環(huán)境影響和綠色制造需求，找出對影響環(huán)境最大的關(guān)鍵工藝過程，該過程的工藝參數(shù)即為產(chǎn)品綠色質(zhì)量特性。

2 工藝過程環(huán)境影響評價(jià)

2.1 工藝過程環(huán)境影響評價(jià)指標(biāo)

為建立環(huán)境影響評價(jià)體系，提取工藝過程中影響環(huán)境評價(jià)的相關(guān)信息，借助綠色特征概念(green feature，GF)，對生產(chǎn)工藝環(huán)境影響信息進(jìn)行描述和集成[10]。其描述如下：

GF=FS∪FP∪FM

(1)

式中：FS為構(gòu)成工藝過程的實(shí)體要素集合，并以集合的形式表示；Fp表示將一個(gè)復(fù)雜的生產(chǎn)流程分解為若干工藝過程，使工藝過程和環(huán)境影響實(shí)體形成對應(yīng)關(guān)系；FM為影響環(huán)境因素集，即工藝過程會通過哪些方式對環(huán)境造成影響；GF為工藝過程的綠色特征，是對工藝過程中與環(huán)境相關(guān)信息的集成和表達(dá)，表示工藝過程FP中涉及環(huán)境影響的實(shí)體FS，通過影響環(huán)境因素集FM對環(huán)境造成影響的特征。根據(jù)綠色特征用層次分析法建立工藝過程環(huán)境影響評價(jià)，如圖2所示。

2.2 環(huán)境信息清單分析

制造階段存在大量不確定信息，因此準(zhǔn)確合理地提取生產(chǎn)工藝中影響環(huán)境的信息清單是研究的關(guān)鍵。環(huán)境影響評價(jià)過程如圖3所示。

將FS和FP廣義乘法的結(jié)果矩陣SP，定義為影響評價(jià)方案的工藝過程環(huán)境信息矩陣，如圖4所示，將常規(guī)生產(chǎn)工藝內(nèi)容映射為資源實(shí)體、能源實(shí)體、環(huán)境實(shí)體和工藝實(shí)體等環(huán)境影響信息，并將各個(gè)工藝過程以矩陣的形式表示出來。

提取環(huán)境信息清單后根據(jù)環(huán)境影響評價(jià)指標(biāo)對工藝過程進(jìn)行評價(jià)，過程如圖5所示。

評價(jià)體系中確定環(huán)境指標(biāo)權(quán)重使用AHP-熵值法[11]，即AHP法對熵值法權(quán)重進(jìn)行修正，減弱主觀隨意性對AHP結(jié)果的干擾，弱化因樣本數(shù)據(jù)不足導(dǎo)致的熵值法不準(zhǔn)確性，得到最終的綜合權(quán)重，再用逼近理想解的綜合排序評價(jià)方法TOPSIS法[12]計(jì)算相對貼近度，根據(jù)其大小進(jìn)行排序給出評價(jià)結(jié)果，相對貼近度的值越大環(huán)境影響就越大。

3 CTGQs提取模型

CTGQs提取模型先將工藝過程的環(huán)境信息進(jìn)行清單分析，提取環(huán)境信息清單后根據(jù)環(huán)境影響評價(jià)指標(biāo)對工藝過程進(jìn)行評價(jià)，提取出關(guān)鍵綠色工藝參數(shù)后用ReliefF算法篩選并賦予權(quán)重，再用APSO算法消除冗余數(shù)據(jù)提高分類精度，使用K-means特征聚類提高預(yù)測準(zhǔn)確度，最后利用ReliefF權(quán)重挑選得到CTGQs子集。過程如圖6所示。

3.1 ReliefF算法

ReliefF算法是一種改進(jìn)的Relief算法，根據(jù)各個(gè)類別和所要選取特征的相關(guān)程度賦予不同的權(quán)重值，選取權(quán)重大的特征，可處理多類別問題。ReliefF算法在計(jì)算多類問題特征權(quán)重時(shí)，先隨機(jī)在訓(xùn)練樣本中選取一個(gè)樣本R，隨后找出R的同類和非同類樣本集中找到k個(gè)近鄰樣本，對每個(gè)特征權(quán)重迭代m次進(jìn)行更新，求特征A的權(quán)重值如下式所示：

(2)

式中：W(A)為特征A的權(quán)重值，Hj為R的同類樣本集中第j個(gè)近鄰樣本，Mj為R的不同類樣本集中第j個(gè)近鄰樣本，diff(A,R,Hj)表示樣本Hj和R在特征A上的差，p(C)表示類C占整個(gè)樣本的比例，p(class(R))表示隨機(jī)抽取R展整個(gè)樣本的比例，Mj(C)表示類C不屬于隨機(jī)抽取R(即C?class(R))的不同類樣本集中第j個(gè)樣本。

3.2 APSO算法

粒子群(PSO)算法，是一種基于迭代的優(yōu)化算法。為避免PSO算法出現(xiàn)早熟收斂等問題，引入APSO算法，在PSO 算法速度更新時(shí)加入1個(gè)慣性系數(shù)，增強(qiáng)粒子跳出局部最優(yōu)的能力，APSO算法如下式所示：

式中 ：ν是粒子的速度，c1和c2是學(xué)習(xí)因子，一般取c1=c2=2,pbest和gbest是兩個(gè)追蹤“極值”，ω為權(quán)值，ω計(jì)算過程如下式：

(4)

式中：ωmax、ωmin分別是慣性系數(shù)最大值和最小值，Kmax是最大迭代次數(shù)，為經(jīng)驗(yàn)值。ω值越大APSO的全局搜索能力越強(qiáng)，ω值越小可以實(shí)現(xiàn)局部搜索的功能。

3.3 ReliefF算法和APSO算法結(jié)合

為避免傳統(tǒng)ReliefF算法只能刪除無關(guān)質(zhì)量特性，無法消除冗余質(zhì)量特性的問題，該算法在采用ReliefF算法刪除無關(guān)的質(zhì)量特性后，對剩余的質(zhì)量特性用APSO 算法進(jìn)行特征提取，并從特征集中挑選質(zhì)量特性，進(jìn)一步消除質(zhì)量特性之間的冗余性，為關(guān)鍵綠色質(zhì)量特性的挑選提供了依據(jù)。方法基本步驟如下。

輸入：原始數(shù)據(jù)集F0。

第一步：給原始數(shù)據(jù)集F0。

第二步：采用ReliefF 算法計(jì)算F0中的每一個(gè)綠色質(zhì)量特性的權(quán)重，將權(quán)重最小的2～3種剔除，得到初步篩選后的有關(guān)綠色質(zhì)量特性集合F′；

第三步：初始化生成含有N個(gè)粒子的“種群”，并使用EML作為評價(jià)函數(shù)得到適應(yīng)度值，迭代(次數(shù)越多精準(zhǔn)度越高)得到對應(yīng)權(quán)重值；

第四步：選取ReliefF計(jì)算結(jié)果權(quán)重最大的綠色質(zhì)量特性進(jìn)入最終的CTGQs子集，進(jìn)而得到1個(gè)冗余性較小的關(guān)鍵綠色質(zhì)量特性集合。

輸出：CTGQs子集。

4 實(shí)證分析

4.1 輕工裝備制造工藝過程環(huán)境影響評價(jià)

將某型號的啤酒發(fā)酵罐制造中鋼板剪裁、焊接、封頭壓制、拋光和對接5個(gè)工藝過程為評價(jià)對象，通過環(huán)境影響評價(jià)找出對環(huán)境影響大的工藝過程。

4.1.1環(huán)境信息清單分析

為了更具體和直觀地反映啤酒發(fā)酵罐生產(chǎn)每個(gè)工藝過程的綜合評價(jià)指標(biāo)體系，將獲取的工藝過程參數(shù)中的每個(gè)評價(jià)指標(biāo)都以環(huán)境信息矩陣表示。如表1所示。

表1 工藝過程環(huán)境信息矩陣

4.1.2 AHP-熵值法確定指標(biāo)權(quán)重

將環(huán)境影響評價(jià)指標(biāo)礦產(chǎn)資源、材料資源、設(shè)備資源、液體污染、氣體污染、能源利用和燃油資源用Ii(i=1,…,n,n=7)表示。AHP-熵值法是先利AHP方法計(jì)算出主觀權(quán)重，即根據(jù)表1建立判斷矩陣，再進(jìn)行層次排序和一致性檢驗(yàn)，得到權(quán)重值Vj；利用原始數(shù)據(jù)自身的信息，釆用熵值法確定出指標(biāo)體系的權(quán)重值ωj，運(yùn)用公式：

計(jì)算得到環(huán)境影響因素的組合權(quán)重βj，計(jì)算結(jié)果如表2所示。

表2 基于AHP-熵值法組合權(quán)重的計(jì)算結(jié)果

4.1.3環(huán)境影響指標(biāo)評價(jià)

根據(jù)得到的各項(xiàng)指標(biāo)組合權(quán)重，選用TOPSIS綜合評價(jià)方法對環(huán)境影響指標(biāo)進(jìn)行評價(jià)，找出環(huán)境影響程度最大的工藝過程，具體步驟如下：

(1)TOPSIS方法標(biāo)準(zhǔn)化處理后得到指標(biāo)評判矩陣A和權(quán)標(biāo)準(zhǔn)化決策矩陣B：

(2)計(jì)算各工藝過程關(guān)于環(huán)境影響指標(biāo)得貼近度。正理想解和負(fù)理想解為：

各過程與正理想解和負(fù)理想解的距離:

由此可計(jì)算相對貼近度結(jié)果為：

Q1=0.698 3，Q2=0.970 1，Q3=0.761 2，

Q4=0.316 4，Q5=0。

相對貼近度排序?yàn)椋篞2>Q3>Q1>Q4>Q5，因此在發(fā)酵罐生產(chǎn)工藝過程中過程2焊接的環(huán)境影響程度最大，為關(guān)鍵工藝。

4.2 輕工裝備制造階段產(chǎn)品關(guān)鍵綠色質(zhì)量特性提取

根據(jù)工藝過程環(huán)境影響評價(jià)結(jié)果，對關(guān)鍵工藝進(jìn)行CTGQs提取，將焊接工藝過程中的主要8個(gè)工藝參數(shù)作為原始綠色質(zhì)量特性集合。如表3所示。

表3 原始綠色質(zhì)量特性合集

用ReliefF特征提取算法計(jì)算各個(gè)屬性的權(quán)重，剔除相關(guān)性最小的屬性，APSO算法初始化生成含有N個(gè)粒子的種群，并使用極限學(xué)習(xí)機(jī)作為評價(jià)函數(shù)得到適應(yīng)度值，迭代得到對應(yīng)權(quán)重值；在運(yùn)行程序中隨機(jī)選取樣本R，隨機(jī)數(shù)選取的不同會對結(jié)果權(quán)重有一定的影響，主程序運(yùn)行20次得到每種特性的權(quán)重，如表4所示。

表4 主程序運(yùn)行20次權(quán)重表

將上述運(yùn)行結(jié)果繪制趨勢圖，可顯示各個(gè)屬性權(quán)重的大小分布，如圖7所示為綠色質(zhì)量特征提取的特征權(quán)重趨勢圖，圖中可以看出主程序運(yùn)行計(jì)算20次的結(jié)果趨勢大致相同。

主程序運(yùn)行20次得到綠色質(zhì)量特性對應(yīng)權(quán)重，結(jié)果匯總求出權(quán)重的平均值如表5所示。

按照權(quán)重平均值從大到小排序，得到各個(gè)屬性的權(quán)重關(guān)系如下：X6>X1>X8>X3>X2>X4>X7>X5。從特征權(quán)重排序可以看出，屬性6是最關(guān)鍵的影響因素，說明焊接電流是影響該過程綠色質(zhì)量的關(guān)鍵參數(shù)，其次是屬性1和屬性8。

最后，運(yùn)用K-means設(shè)置不同的K值進(jìn)行聚類分析，按照特征權(quán)重從大到小的順序，選擇相應(yīng)的數(shù)據(jù)，即K=2時(shí)選取屬性6和屬性1，K=3時(shí)選取屬性6、1、3依此類推，進(jìn)一步提高預(yù)測準(zhǔn)確率，K-means預(yù)測準(zhǔn)確率趨勢如圖7所示。

可以計(jì)算出直接選擇全部8種屬性，K=8時(shí)預(yù)測準(zhǔn)確率為：94.44%；選擇屬性6、屬性1，K=2時(shí)預(yù)測準(zhǔn)確率為：91.36%；選擇屬性6、1、8、3，K=4時(shí)預(yù)測準(zhǔn)確率為：94.48%；選擇屬性6、1、8、3、2、4，K=6時(shí)預(yù)測準(zhǔn)確率為：94.91%。圖7可以看出，選擇特征權(quán)重最大的4個(gè)屬性就達(dá)到了選擇所有屬性的正確率，因此，特征權(quán)重最小的幾個(gè)綠色質(zhì)量特性在制造過程中對綠色質(zhì)量影響實(shí)際較小，選擇X6焊接電流、X1焊接速度、X8電弧電壓、X3焊接溫度作為該工藝過程的關(guān)鍵綠色質(zhì)量特性。

5 結(jié)語

本文明確了綠色質(zhì)量的定義，引入綠色特征進(jìn)行環(huán)境信息清單分析，對制造階段工藝過程運(yùn)用AHP-熵權(quán)法結(jié)合TOPSIS法建立環(huán)境影響評價(jià)模型，確定關(guān)鍵工藝過程，建立CTGQs提取模型將關(guān)鍵工藝中環(huán)境影響最大的工藝參數(shù)提取出來，識別出輕工裝備制造階段關(guān)鍵綠色質(zhì)量特性。最后，實(shí)證分析驗(yàn)證了CTGQs提取模型將ReliefF和APSO算法結(jié)合可以快速縮小全局搜索范圍，提升搜索能力，避免提取過程中數(shù)據(jù)冗雜的問題，由此可見，該CTGQs提取模型可有效識別出輕工裝備制造階段的關(guān)鍵工藝，提高關(guān)鍵綠色質(zhì)量特性提取的準(zhǔn)確性。