轻工装备制造阶段关键绿色质量特性提取模型*

郑 辉 赵乃莹 郭甜甜 邢 萌

(天津科技大学工业工程系，天津 300457)

近年来轻工装备制造业发展迅速，在确保轻工装备产品功能和使用周期的前提下，研究产品制造过程对资源消耗和生态环境的影响，是实现轻工机械可持续发展的关键[1]。识别出对环境影响大的工艺过程，实现轻工装备制造阶段产品关键绿色质量特性提取，既推进轻工装备制造业向节约环保产业发展又有利于我国社会、资源和环境的可持续发展。

随着社会进步和工业化快速发展，质量的涵义不断地扩大和延伸。时至今日，广义的质量除了传统的定义更应包括可持续发展理念，因此绿色质量的概念应运而生。Shrivastava P[2]认为基于环境的全面质量管理应该吸取在产品设计以及生产过程中的持续改善思想，严格控制产品全生命周期的活动，实现组织与环境的最佳关系；刘飞等[3]以产品生命周期为基础，从产品生命周期过程、绿色制造特征、绿色制造评估及监控、绿色制造支撑展开分析，从而建立绿色制造的技术体系框架；Bourhis F L[4]根据生产过程的所有消耗流，从清洁生产和可持续发展的角度评价消耗流，并将模型集成到零部件的附加制造技术中；Price D J[5]提出了基于实现经济、社会和环境的最佳平衡的win-win-win质量观，三者的均衡可持续发展是组织的最终战略目标。

关键质量特性提取是在产品生产过程中对产品质量特性进行分析和筛选，剔除对产品质量影响不显著质量特性的过程。谢荣琦等[6]采用ReliefF算法和k-modes特征聚类算法结合，得到质量相关性较强且相互之间冗余性较弱的CTGQs子集；李岸达等[7]提出一种综合适应度函数应用于GSA算法，能有效过滤无关、冗余质量特性，识别出关键质量特性，得到更高预测精度；黄广全等[8]提出一种面向数控机床元动作单元的多目标综合模糊评价关键质量特性识别方法，有效识别出对元动作单元有重要影响的关键质量特性；王宁等[9]依据多工序制造过程特点，提出基于弹性网的多工序制造过程关键质量识别方法。

本文在总结文献的基础上明确了绿色质量的定义，借助绿色特征对工艺过程进行环境影响评价，将对环境影响最大的工艺过程参数作为产品关键绿色质量特性。考虑到关键绿色质量特性提取过程中易造成数据冗余，将ReliefF算法与APSO算法相结合，建立轻工装备制造阶段产品关键绿色特性提取模型。

1 轻工装备制造阶段产品绿色质量特性

1.1 轻工装备制造阶段产品质量特性

轻工装备包括包装机械、食品机械、皮革机械和造纸机械等各类轻工机械，具有范围宽、种类多、工作环境差、结构动作和加工原理差异大等特点。GB/T 19000将质量定义为一组固有特性满足要求的程度，为了更加清晰地描述质量，ISO 9000引入质量特性的概念，即质量特性是与要求有关的产品、过程或体系的固有特性。

在轻工装备制造阶段，产品质量由制造零件的各个工艺过程保证。每个工艺形成的各种参数构成了工艺级的质量特性，是生产过程中操作人员可以感知并加以测量控制的产品实际质量特性。质量特性在轻工机械产品每个阶段的表现形式如图1所示。

1.2 轻工装备制造过程产品绿色质量特性

“中国制造2025”明确指出未来5年我国轻工装备行业应加快推进技术装备升级，在满足轻工机械实用性的同时实现可持续发展。基于ISO 9000对质量的定义，本文将绿色质量定义为：“一组固有属性满足绿色要求的程度，将绿色理念融入产品质量中，满足生态绿色需求，实现组织与经济、社会和环境的平衡”。依据绿色质量，在工艺级的质量特性中考虑环境影响和绿色制造需求，找出对影响环境最大的关键工艺过程，该过程的工艺参数即为产品绿色质量特性。

2 工艺过程环境影响评价

2.1 工艺过程环境影响评价指标

为建立环境影响评价体系，提取工艺过程中影响环境评价的相关信息，借助绿色特征概念(green feature，GF)，对生产工艺环境影响信息进行描述和集成[10]。其描述如下：

GF=FS∪FP∪FM

(1)

式中：FS为构成工艺过程的实体要素集合，并以集合的形式表示；Fp表示将一个复杂的生产流程分解为若干工艺过程，使工艺过程和环境影响实体形成对应关系；FM为影响环境因素集，即工艺过程会通过哪些方式对环境造成影响；GF为工艺过程的绿色特征，是对工艺过程中与环境相关信息的集成和表达，表示工艺过程FP中涉及环境影响的实体FS，通过影响环境因素集FM对环境造成影响的特征。根据绿色特征用层次分析法建立工艺过程环境影响评价，如图2所示。

2.2 环境信息清单分析

制造阶段存在大量不确定信息，因此准确合理地提取生产工艺中影响环境的信息清单是研究的关键。环境影响评价过程如图3所示。

将FS和FP广义乘法的结果矩阵SP，定义为影响评价方案的工艺过程环境信息矩阵，如图4所示，将常规生产工艺内容映射为资源实体、能源实体、环境实体和工艺实体等环境影响信息，并将各个工艺过程以矩阵的形式表示出来。

提取环境信息清单后根据环境影响评价指标对工艺过程进行评价，过程如图5所示。

评价体系中确定环境指标权重使用AHP-熵值法[11]，即AHP法对熵值法权重进行修正，减弱主观随意性对AHP结果的干扰，弱化因样本数据不足导致的熵值法不准确性，得到最终的综合权重，再用逼近理想解的综合排序评价方法TOPSIS法[12]计算相对贴近度，根据其大小进行排序给出评价结果，相对贴近度的值越大环境影响就越大。

3 CTGQs提取模型

CTGQs提取模型先将工艺过程的环境信息进行清单分析，提取环境信息清单后根据环境影响评价指标对工艺过程进行评价，提取出关键绿色工艺参数后用ReliefF算法筛选并赋予权重，再用APSO算法消除冗余数据提高分类精度，使用K-means特征聚类提高预测准确度，最后利用ReliefF权重挑选得到CTGQs子集。过程如图6所示。

3.1 ReliefF算法

ReliefF算法是一种改进的Relief算法，根据各个类别和所要选取特征的相关程度赋予不同的权重值，选取权重大的特征，可处理多类别问题。ReliefF算法在计算多类问题特征权重时，先随机在训练样本中选取一个样本R，随后找出R的同类和非同类样本集中找到k个近邻样本，对每个特征权重迭代m次进行更新，求特征A的权重值如下式所示：

(2)

式中：W(A)为特征A的权重值，Hj为R的同类样本集中第j个近邻样本，Mj为R的不同类样本集中第j个近邻样本，diff(A,R,Hj)表示样本Hj和R在特征A上的差，p(C)表示类C占整个样本的比例，p(class(R))表示随机抽取R展整个样本的比例，Mj(C)表示类C不属于随机抽取R(即C∉class(R))的不同类样本集中第j个样本。

3.2 APSO算法

粒子群(PSO)算法，是一种基于迭代的优化算法。为避免PSO算法出现早熟收敛等问题，引入APSO算法，在PSO 算法速度更新时加入1个惯性系数，增强粒子跳出局部最优的能力，APSO算法如下式所示：

式中 ：ν是粒子的速度，c1和c2是学习因子，一般取c1=c2=2,pbest和gbest是两个追踪“极值”，ω为权值，ω计算过程如下式：

(4)

式中：ωmax、ωmin分别是惯性系数最大值和最小值，Kmax是最大迭代次数，为经验值。ω值越大APSO的全局搜索能力越强，ω值越小可以实现局部搜索的功能。

3.3 ReliefF算法和APSO算法结合

为避免传统ReliefF算法只能删除无关质量特性，无法消除冗余质量特性的问题，该算法在采用ReliefF算法删除无关的质量特性后，对剩余的质量特性用APSO 算法进行特征提取，并从特征集中挑选质量特性，进一步消除质量特性之间的冗余性，为关键绿色质量特性的挑选提供了依据。方法基本步骤如下。

输入：原始数据集F0。

第一步：给原始数据集F0。

第二步：采用ReliefF 算法计算F0中的每一个绿色质量特性的权重，将权重最小的2～3种剔除，得到初步筛选后的有关绿色质量特性集合F′；

第三步：初始化生成含有N个粒子的“种群”，并使用EML作为评价函数得到适应度值，迭代(次数越多精准度越高)得到对应权重值；

第四步：选取ReliefF计算结果权重最大的绿色质量特性进入最终的CTGQs子集，进而得到1个冗余性较小的关键绿色质量特性集合。

输出：CTGQs子集。

4 实证分析

4.1 轻工装备制造工艺过程环境影响评价

将某型号的啤酒发酵罐制造中钢板剪裁、焊接、封头压制、抛光和对接5个工艺过程为评价对象，通过环境影响评价找出对环境影响大的工艺过程。

4.1.1环境信息清单分析

为了更具体和直观地反映啤酒发酵罐生产每个工艺过程的综合评价指标体系，将获取的工艺过程参数中的每个评价指标都以环境信息矩阵表示。如表1所示。

表1 工艺过程环境信息矩阵

4.1.2 AHP-熵值法确定指标权重

将环境影响评价指标矿产资源、材料资源、设备资源、液体污染、气体污染、能源利用和燃油资源用Ii(i=1,…,n,n=7)表示。AHP-熵值法是先利AHP方法计算出主观权重，即根据表1建立判断矩阵，再进行层次排序和一致性检验，得到权重值Vj；利用原始数据自身的信息，釆用熵值法确定出指标体系的权重值ωj，运用公式：

计算得到环境影响因素的组合权重βj，计算结果如表2所示。

表2 基于AHP-熵值法组合权重的计算结果

4.1.3环境影响指标评价

根据得到的各项指标组合权重，选用TOPSIS综合评价方法对环境影响指标进行评价，找出环境影响程度最大的工艺过程，具体步骤如下：

(1)TOPSIS方法标准化处理后得到指标评判矩阵A和权标准化决策矩阵B：

(2)计算各工艺过程关于环境影响指标得贴近度。正理想解和负理想解为：

各过程与正理想解和负理想解的距离:

由此可计算相对贴近度结果为：

Q1=0.698 3，Q2=0.970 1，Q3=0.761 2，

Q4=0.316 4，Q5=0。

相对贴近度排序为：Q2>Q3>Q1>Q4>Q5，因此在发酵罐生产工艺过程中过程2焊接的环境影响程度最大，为关键工艺。

4.2 轻工装备制造阶段产品关键绿色质量特性提取

根据工艺过程环境影响评价结果，对关键工艺进行CTGQs提取，将焊接工艺过程中的主要8个工艺参数作为原始绿色质量特性集合。如表3所示。

表3 原始绿色质量特性合集

用ReliefF特征提取算法计算各个属性的权重，剔除相关性最小的属性，APSO算法初始化生成含有N个粒子的种群，并使用极限学习机作为评价函数得到适应度值，迭代得到对应权重值；在运行程序中随机选取样本R，随机数选取的不同会对结果权重有一定的影响，主程序运行20次得到每种特性的权重，如表4所示。

表4 主程序运行20次权重表

将上述运行结果绘制趋势图，可显示各个属性权重的大小分布，如图7所示为绿色质量特征提取的特征权重趋势图，图中可以看出主程序运行计算20次的结果趋势大致相同。

主程序运行20次得到绿色质量特性对应权重，结果汇总求出权重的平均值如表5所示。

按照权重平均值从大到小排序，得到各个属性的权重关系如下：X6>X1>X8>X3>X2>X4>X7>X5。从特征权重排序可以看出，属性6是最关键的影响因素，说明焊接电流是影响该过程绿色质量的关键参数，其次是属性1和属性8。

最后，运用K-means设置不同的K值进行聚类分析，按照特征权重从大到小的顺序，选择相应的数据，即K=2时选取属性6和属性1，K=3时选取属性6、1、3依此类推，进一步提高预测准确率，K-means预测准确率趋势如图7所示。

可以计算出直接选择全部8种属性，K=8时预测准确率为：94.44%；选择属性6、属性1，K=2时预测准确率为：91.36%；选择属性6、1、8、3，K=4时预测准确率为：94.48%；选择属性6、1、8、3、2、4，K=6时预测准确率为：94.91%。图7可以看出，选择特征权重最大的4个属性就达到了选择所有属性的正确率，因此，特征权重最小的几个绿色质量特性在制造过程中对绿色质量影响实际较小，选择X6焊接电流、X1焊接速度、X8电弧电压、X3焊接温度作为该工艺过程的关键绿色质量特性。

5 结语

本文明确了绿色质量的定义，引入绿色特征进行环境信息清单分析，对制造阶段工艺过程运用AHP-熵权法结合TOPSIS法建立环境影响评价模型，确定关键工艺过程，建立CTGQs提取模型将关键工艺中环境影响最大的工艺参数提取出来，识别出轻工装备制造阶段关键绿色质量特性。最后，实证分析验证了CTGQs提取模型将ReliefF和APSO算法结合可以快速缩小全局搜索范围，提升搜索能力，避免提取过程中数据冗杂的问题，由此可见，该CTGQs提取模型可有效识别出轻工装备制造阶段的关键工艺，提高关键绿色质量特性提取的准确性。