摘要: 工业化发展在显著改善人们生活质量的同时，也造成了资源短缺、环境污染等严重问题。作为我国国民经济的传统支柱和民生产业，纺织服装工业尚未完全摆脱高能耗、高排污的行业格局。实现绿色制造是中国纺织服装工业可持续发展的必然选择。 然而纺织... 展开 工业化发展在显著改善人们生活质量的同时，也造成了资源短缺、环境污染等严重问题。作为我国国民经济的传统支柱和民生产业，纺织服装工业尚未完全摆脱高能耗、高排污的行业格局。实现绿色制造是中国纺织服装工业可持续发展的必然选择。 然而纺织服装企业是多业态的集群，生命周期链条长、生产模式差异大，能源物料投入产出繁多，共用共生数据交叉融合且计量粗放等特征，导致可持续发展领域的研究难以精细到工序层级，难以明确纺织服装产品关键绿色指标及影响因素，难以测算单一产品工序层级的绿色指标，进而难以实现单一产品工序层级有效的预测预警，无法做到产品绿色生产优化。因此，如何开展工序层级可持续发展方法论的研究是纺织服装绿色制造的突破口。然而，目前工序层级的绿色指标、分配方法、预测预警模型以及基于绿色指标的生产调度优化建模研究方法，在纺织服装领域都鲜有研究。因此，基于数据挖掘方法，挖掘工序层级的绿色指标，从指标数据的角度探寻造成污染排放的内因，从源头上预防和控制污染排放，进而提出绿色生产优化方案是纺织服装可持续发展的关键技术，很有必要进行探究。 基于绿色制造、生命周期和可持续发展理论，根据纺织服装生产工序和污染物排放特点，建立工序层级纺织服装产品绿色指标；在工序层级数据的基础上，使用数据挖掘方法筛选绿色指标的主要影响因素，建立工序层级绿色指标的分配方法；通过主成分回归、偏最小二乘回归、极限学习机回归和支持向量机方法分别预测工序层级绿色指标，比较可决系数、均方根误差和对称平均绝对百分比误差，得到工序层级绿色指标最优预测方法，并在预测模型基础上，采用K-means聚类算法，建立了绿色指标预警方法、等级划分和模式；在考虑生产时间指标、绿色指标和经济指标的基础上，构建纺织服装产品绿色生产调度优化模型，以达到生产效率、环境和经济的纺织服装制造可持续发展要求。主要结论如下： 1）构建了工序层级纺织服装产品绿色指标评价方法。根据纺织服装工业污染物排放特点，确定纺织服装绿色指标为碳足迹、水足迹、化学品足迹和废弃物足迹。在界定工序概念基础上，基于PAS2050和纺织服装生产加工特点，从核算对象、排放源、系统边界、功能单位和计算方法方面，构建了工序层级产品碳足迹的评价方法。基于ISO14046和纺织服装生产加工特点，从系统边界、功能单位和计算方法方面，构建了工序层级产品水足迹的评价方法。基于联合国环境规划署-国际毒理学和化学学会毒性模型以及纺织服装生产特点，从概念界定、排放源、系统边界、功能单位和计算方法方面，构建了工序层级产品化学品足迹的评价方法。结合调研分析结果和纺织服装生产工序特点基础上，从概念界定、废弃物种类、系统边界、功能单位和计算方法方面，构建了工序层级产品废弃物足迹的评价方法。上述评价方法的建立解决了现有评价方法难以精细到工序层级的问题，是进行精细化管理的基础与关键技术，也是后续分析影响因素和优化改进的理论基础，只有抓住关键污染排放工序，才能有针对性地制定优化工艺、员工管理和生产调度方案。 2）构建了工序层级纺织服装产品绿色指标的分配方法。将纺织服装绿色指标影响因素分为产品、生产环境、生产工艺、管理水平和机器设备等，并以A企业后整理车间为例，建立了672个产品影响因素收集清单，讨论了数据预处理方法，包括缺失值、异常值和归一化处理，以得到了良好的数据处理结果，为后续的数据预测提供了重要保障。对于工序层级的活动数据，使用数据挖掘发现完整的产品生产各阶段可划分为停机阶段、加速阶段、运转阶段、减速阶段和待机阶段。生产某产品过程中，电耗时间序列散点图与蒸汽耗走势较一致，而水耗却与电耗、蒸汽耗用走势不一致。通过Spearman相关性分析，发现变量与变量之间存在严重的多重共线性，因此采用逐步回归法和Lasso回归筛选了活动数据的主要影响因素，对于大部分的工序，主要影响因素为变量作业浮余率、平均有功功率和车速，其中作业浮余率对于电耗、水耗和蒸汽耗的影响最为显著。在活动数据影响因素挖掘的基础上，采用逐步回归法和Lasso回归筛选了后整理各工序碳、水足迹的主要影响因素，剔除了急单、后整理类型这两个变量，筛选结果说明主要影响因素为作业浮余率、平均有功功率和车速，其中作业浮余率对于碳、水足迹的影响最为显著。对于单位产品碳、水足迹，相较于其他工序，丝光和退浆工序的需要重点关注，尤其是员工的作业浮余率显著影响了单位产品碳、水足迹值。基于影响因素挖掘的结果，从电耗、水耗和蒸汽耗角度，分别建立了工序层级绿色指标的分配方法。该方法结合了纺织服装生产加工特性，解决了没有三级计量的企业，现有方法难以将活动数据分配到工序层级的问题，为拆分工序层级共生产品数据时提供了理论基础和参考依据，丰富了LCA和绿色指标评价体系。 3）构建了工序层级纺织服装产品绿色指标的预测预警模型。通过主成分回归、偏最小二乘回归、极限学习机回归和支持向量机方法分别建立了后整理车间工序层级绿色指标的预测模型。对比不同预测模型发现，大部分工序碳足迹的拟合高于水，其模型精度均好于水足迹模型；在各工序中，定型工序的回归预测模型拟合最差，水洗工序回归预测模型误差最大；在所有方法中，对于大部分的工序，遗传算法优化的支持向量机方法预测模型拟合较其他方法好，模型误差较小。在预测模型基础上，采用K-means聚类算法，建立了工序层级绿色指标预警方法、等级划分和模式。以整理车间为例，确定了各机台预警区间，并通过2号定型机预警实例分析，发现K-means聚类算法可以有效地识别单位产品绿色指标的异常值，从而提高分析数据的质量，及时找到和解决指标异常的原因。该模型解决了现有预测预警难以落实在工序层级的问题，为企业提前制定合理有效的节能减排和能源、水资源、化学品和废弃物管理优化规划方案提供了理论依据。 4）构建了纺织服装产品绿色生产调度优化模型。由于生产调度优化水平影响着工序层级的绿色指标数值，所以考虑实际生产约束，以最小化生产时间指标（最大完成时间）、最小化绿色指标（碳足迹、水足迹、化学品足迹和废弃物足迹）和最小化经济指标（生产成本）为优化目标，基于各工序数据，建立了优化目标函数，构建了纺织服装产品绿色生产调度优化模型，其次根据NSGA-Ⅱ算法和层次分析法，探讨了权重设置和最优解求解方法，生产企业可以根据自身生产需求和侧重，快速获得该模式下的最佳生产调度模型，该方法具有普适性。最后以A企业后整理车间为例，运用了NSGA-Ⅱ算法对车间进行了不同指标权重下生产调度优化。与优化前方案对比，各指标均有明显地减少，说明合理地安排订单和生产设备可以有效地减少最大完成时间、总产品碳足迹、总产品水足迹和生产成本。总产品水足迹通过优化减少地最为显著，通过优化，总产品水足迹减少的范围为44.7%~55.3%，最大完成时间通过优化减少的范围为11.2%~20.1%，生产成本通过优化减少的范围为2.9%~7.3%，而总产品碳足迹通过优化减少的范围为3.7%~6.9%。优化结果验证了模型的准确性和有效性，为企业生产安排提供理论依据和实践案例。该优化模型解决了现有研究较少将工序层级绿色指标纳入到生产调度优化的问题，帮助企业合理、有效地运用现有设备和资源，以达到生产效率、环境和经济的纺织服装制造可持续发展要求。 论文的创新点主要有： 1）构建了工序层级纺织服装产品绿色指标。探讨了工序层级的碳足迹、水足迹、化学品足迹和废弃物足迹的评价方法。帮助企业了解环境污染产生机理，进而提出有针对性的优化方案，实施全生产工序过程精细化管理，从源头上预防和控制污染排放。 2）构建了基于数据挖掘结果的工序层级纺织服装产品绿色指标分配方法，为工序层级绿色指标模块重用修正提供了数据参考，也为纺织服装产品层级和组织（工厂）层级的足迹计算提供了理论方法。 3）探讨了适合于纺织服装生产特点的工序层级绿色指标预测预警模型和方法，可以有效地把握各工序能耗、水耗的趋势，从源头控制能源、水资源和化学品的消耗量、废弃物和污染的排放量，减少能源、水资源和化学品的浪费，降低生产成本，对提高纺织服装产品的市场竞争力、经济效益和信息化管理水平有着重要的作用。 4）构建了纺织服装绿色生产调度优化模型，以各工序数据为生产调度基础，将工序层级绿色指标纳入到生产调度优化模型中，帮助企业合理地运用现有设备和资源，以达到生产效率、环境和经济的纺织服装制造可持续发展要求。 收起