基于BP神經網絡的集裝箱制造過程綠色度評價研究

張比鵬，韓 聰，王靖涵

(遼寧工業大學 機械工程與自動化學院，遼寧 錦州 121000)

0 引言

隨著我國工業化進程以及環境保護進度的加快,綠色制造將成為制造業發展的趨勢。集裝箱制造業作為典型的高消耗、高污染產業,對其制造過程進行綠色度評價,能夠在一定程度上反映出制造業自身綠色制造的情況,從而引起人們對綠色制造的重視[1-3]。

本文結合集裝箱制造過程中可能影響綠色度的因素,初步建立了綠色度評價指標體系,之后基于BP神經網絡建立了集裝箱綠色度評價模型。根據各指標的標準對其進行了界線劃定,生成了訓練樣本,并對構建的評價模型進行參數優化。最后通過實際調研,對某工廠的集裝箱制造過程的綠色度進行了評價。

1 集裝箱制造過程綠色度評價指標體系

1.1 集裝箱制造過程及屬性分析

集裝箱結構由箱頂、端面和側壁等構件構成,制造過程中需經過預處理、沖壓、自動打砂、(前端、后端、底架)自動焊、總裝、總焊、油漆、美妝等班組的加工處理,主要產生了資源消耗與環境污染。

制造過程中的資源消耗主要是零件制造過程中所產生的各種原材料以及人力資源上的消耗,主要包括原材料、能源、人力資源以及其他消耗四部分。其中,原材料消耗包括鋼材、焊絲、鋁材、鐵材和水性漆;能源消耗為水和電;人力資源消耗采用安全滿意度、環境影響、難易程度、工作時長作為評價指標;其他消耗分為設備使用率和綠色資源。

集裝箱的制造過程是各原材料、零部件經過層層加工并最終裝配成集裝箱的過程,在這個過程中產生了一些污染物從而對環境造成了影響。在制造過程中產生的對環境造成不利影響的因素主要包括一些污染物的排放,例如焊接廢氣、粉塵以及廢水。

1.2 集裝箱評價指標體系確定

結合以上的分析及評價指標構建的原則[4,5],對評價指標初步選取,構建出的制造過程綠色度評價指標體系如表1所示。

表1 初步確定的評價指標體系

2 基于BP神經網絡的集裝箱制造過程綠色度評價模型

2.1 BP神經網絡訓練樣本及檢測樣本確定

用五分制法劃分集裝箱制造過程的綠色度等級,綠色度評價結果也分為5種,分別是深綠色[1,0,0,0,0]、中綠色[0,1,0,0,0]、淺綠色[0,0,1,0,0]、淡綠色[0,0,0,1,0]和非綠色[0,0,0,0,1],所以輸出節點為5。

(1) 對于評價中涉及到的定量指標,如單位車間用電量、原材料利用率和機械性噪聲等指標主要從以下三個方面進行綠色度等級的劃定:①按照相關法律法規;②以國家未來所要達成的目標排放值為標準;③若沒有參照標準,則以學者研究的數據為標準。

(2) 對于定性指標(24、27、28、29)則采用調查問卷和專家經驗法進行收集,具體評價等級如表2所示。

表2 定性評價等級標準

為訓練并提升神經網絡的準確率,按隨機生成均勻數據的方式來產生數據,每個類別生成300個數據,共計生成1 500組數據,以1 300組數據作為網絡的訓練值,200組作為網絡的預測值。

2.2 BP神經網絡建模

BP神經網絡評價模型實質上就是非線性化的輸入-輸出的模式映射過程,由表1可知評價指標體系共有33個測量維度,因此輸入單元數為33個,將綠色度評價的結果作為輸出對象,具體BP神經網絡的評價模型如圖1所示。

圖1 BP神經網絡的評價模型

由于包含一個隱含層的網絡就能夠逼近任何閉區間內連續函數,所以三層的神經網絡在本質上就能夠對大部分顯式問題進行描述和分析,因此選用網絡拓撲結構為3層的神經網絡。對于隱含層網絡節點數的選擇是通過經驗公式來確定的,即:

(1)

其中:m為隱含層的節點數;n為輸入層的節點數;l為輸出層的節點數;a為1～10之間的常數。本文選取33個指標作為樣本輸入、5個輸出節點的值作為網絡輸出,當隱含層為9個神經元時,網絡的均方誤差最小為0.993 25,所以確定隱含層節點數為9。

2.3 神經網絡訓練結果

神經網絡訓練完成后得到網絡的梯度值、確認檢查情況和學習率,如圖2所示。

圖2 迭代222步后的梯度值、確認檢查和學習率

由圖2可知經過222步迭代后的網絡確認檢查率為0,說明訓練已完成,且此時模型的正確識別率為94.5%,說明該神經網絡可用于對集裝箱制造過程進行評價。

3 實證分析

A集裝箱制造公司是專業設計生產國際標準集裝箱和各種特種結構集裝箱的中外合資企業。公司年產能為100 000 TEU,主要生產22.5箱、45箱、48箱、開頂箱、側開門箱和水溶油漆糧食箱等。圖3為制造過程現場。

圖3 制造過程現場

通過實際調研,得到各評價指標的量化值如表3所示。

表3 評價指標量化值

在MATLAB中建立集裝箱制造過程綠色度評價的GUI界面,可根據需求對網絡的結構參數和訓練參數進行設定,并輸出訓練誤差的曲線圖和測試樣本的實際值和期望值,得到的評價結果如圖4所示。可以看出仿真結果為[0,0,1,0,0]與淺綠色的隸屬度最符合,說明該評價模型能夠對集裝箱制造過程的綠色度進行評價。

圖4 仿真結果

4 結論

通過對集裝箱制造過程進行分析,初步構建了集裝箱制造過程綠色度評價體系,利用問卷調查的方法優化了指標體系,在MATLAB上建立了基于BP神經網絡的集裝箱制造過程評價模型,以相關標準的數據對其進行了訓練,并對評價模型的參數進行了優化,最后將模型應用于某集裝箱廠的制造過程進行綠色度評價,其評價結果為淺綠色,從而驗證了該評價方法的可行性。該方法克服了其他一些評價方法的模糊性和主觀性,具有一定的科學性、客觀性和準確性。