跳轉到主要內容

Greentelligence:智能製造一個更加綠色的未來

介紹

全球氣候變化已經成為一個全球工業化和經濟發展的重大關切。二氧化碳(有限公司2),六《京都議定書》的溫室氣體排放(溫室氣體),是最難控製由於其親密與能源生產和消費1]。與早期的認識氣候變化,發達國家往往取代資源、能源密集型產業到其他國家,因此排放沒有減少但搬遷(2],它可以進一步放大,如果生產轉移到國家使用碳密集型能源或low-energy-efficient技術。發展中國家負責溫室氣體排放量的63%和打擊最嚴重,即。氣候變化成本的78%,預計到2035年上升到87% (3]。例如,人們在熱帶國家更容易受到自然災害,例如,風暴和極端天氣。貧窮的生活條件讓他們脆弱的災難。常見的措施控製溫室氣體排放的排放和采用清潔能源定價。即使可以提供價格,它不太可能說服發展中國家立即放棄化石燃料或追求核能而忽略不擴散和核廢料。更可接受的解決方案,至少在不久的將來,是循環經濟4]或減少排放能源基礎設施使用智能技術沒有實質性的變化。

製造業、核心產品的供應係統和溫室氣體的主要來源和其他排放,有實質性的對經濟的影響和可持續性問題。4.0年前,之前的主題產業成為主導的漢諾威展會的主題,其座右銘“Greentelligence”[5]。目的是捕獲和監控生產活動和轉變成更為環保、更為eco-efficient範式而持有成本競爭(6]。綠色範式可能提供的機會成本降低和環保發展7]。5.0產業,新的工業範式從歐盟委員會(European Commission)的共識提出了戰略計劃生產和經濟增長占地球界限和社會目標。但利用這些機會涉及多技術問題,需要確定優先級,想辦法使之與現有的基礎設施和技術(8]。在過去的十年裏,智能技術已經迅速增長提高生產效率和靈活性。有很多方法有利於生產設施和工作實踐與改進環境績效(7]。它需要當前製造係統超越生產商品和/或服務的利潤和凸顯了長期服務環境和社會福利的重要性,包括至上主義、可持續性和彈性9,10]。

工業發展智能製造係統變成一個綠色範例5.0時代既及時又至關重要。智能技術的影響綠色目標被認為是有爭議的和智能的綠色評估技術還有待解決。在這項研究中,我們提出“Greentelligent製造(GIM)”作為一種新穎的集成製造模式,利用智能技術的推動者綠色目標。各種綠色和可持續的目標可能伴隨著智能技術和智能係統的可持續性也應該評估和增強綠色指標。

進化和框架Greentelligent製造業

greentelligent製造業的發展可以分為三個階段,包括新興階段、過渡階段,協同作用的階段(圖1)。處於新興階段,綠色製造(GM)和智能製造(IM)分別提出了在某種程度上,盡管他們重疊的目標,例如,優化資源配置,分別專注於可持續性和情報。在過渡階段,通用和IM開始利用對方的優點來滿足自己的目標。協同作用的階段,通用和IM開始合並與一致的目標和工具為目標設計的範例。剩下的紙,greentelligent製造業(GIM)被稱為一個聰明,以人為本,環保生產模式出現並領導協同作用的階段。

圖1
圖1

greentelligent製造業的進化。即時通訊:智能製造;通用汽車:綠色製造;GIM: greentelligent製造

greentelligent製造業的主要目標是集成智能技術和綠色方法實現優越的控製,生產率和製造係統的可持續性。Greentelligent製造相應的框架設計包括一群不斷進化的方法和材料,從技術的清潔能源發電綠色產品的設計,如圖2。這個詞“telligent”指的是(1)智能基礎設施、軟件和網絡解決方案,先進的傳感器、儀表、控製技術和流程優化,實現製造環境;(2)信息和通訊技術(ICT)開發的實時監控的浪費,消耗和溫室氣體排放,以及實時的管理能源、生產力,和成本在設施(11]。智能技術的適應性有助於更好的實現可持續發展的目標而保持競爭力和增值先進製造業。

圖2
圖2

框架greentelligent製造業

我們greentelligent製造地址“綠色”這個詞在幾個方麵12):(1)提供綠色產品通過改變工業流程和產品設計;(2)綠色製造過程通過減少排放和浪費,減少自然資源的使用,和改善能源和生產效率;(3)評估上述智能技術的綠色。在下一節中,我們詳細討論greentelligent製造業組織通過支持機製和支持工具/方法。

使機製對Greentelligent製造業

改變生產工藝

變化過程的本質

從一個化學過程轉向物理或生物過程往往成為對環境更有利(9]。例如,使用一個可控壓力創建靈活的聚氨酯泡沫,而不是一個化學過程涉及氯氟化碳可以減少溫室氣體的排放13]。

先進的製造工藝

智能技術可以直接使用,以減少溫室氣體排放的工業流程。在氫的大規模生產,生產溫室氣體排放作為副產品在反應堆的蒸汽轉化和取暖。電氣化技術可以減少溫室氣體排放,並提供靈活、緊湊的熱代(14]。

環保投入

兩個主要和次要成分有助於最終產品的生產,不包括價值變化。作為一個主要生產能源有限公司2作為一個副產品,化石燃料正在迅速耗盡。迫切需要尋找替代能源的可再生能源,包括氫、生化丁醇和生物乙醇。

先進的產品設計

智能工具,例如,Autodesk發明家和Ansys格蘭塔選擇器,開發了支持設計的綠色替代基於材料特性的分析,跟蹤、配置和環境影響。從分析、環保材料和生產計劃可以優化。

減少生產浪費

為了減少浪費和排放,可以部署到IM技術改善現有產品的效率和質量,從而控製廢物的數量被放置。

精益生產

精益生產是一個基本的概念與有質量保證在生產中減少浪費。創建連續流從客戶到供應商和材料使用機智時間和拉動式係統管理工作流提供持續改進在向零廢品製造過程的所有階段15]。

選擇性地使用自動化

智能傳感器和機器接管部分人類用來做什麼,減少生產過程的依賴於活躍的人工幹預。自動過程控製、人機協作和數控機床可以有效地減少人為錯誤和背叛,從而減少浪費。

先進的製造工藝

加法製造(3 d打印)使一個物理對象從一個三維數字模型。與消去法,隻有一小部分的材料進入最後一部分,3 d打印的材料浪費最小化(16]。

環保清潔材料

清潔的水從製造過程浪費。這些影響在一定程度上可以減少通過改變輸入從溶劑水和生物清潔劑。

提高能源效率

增加采用智能技術,結合先進的生產技術和智能能效管理承諾幫助製造商減少設施水平能源強度(17]。除了前麵提到的技術,包括先進的製造工藝,環保投入,先進的產品設計,精益生產,我們確定了以下IM技術作為提高能效的額外的推動者。

設備和工廠設計

綠色高端設備被設計來減少能源消耗在切割和磨削。此外,工廠可以為更好的能源效率不斷提高,空調的的方麵,例如,安排空氣循環風扇和優化氣流、照明、和物流,例如,減少材料運輸距離。

物聯網(物聯網)

聯網功能的增加傳感器和相關的物聯網技術提供先進的計量和sub-metering解決方案,大大提高能源管理係統的性能。一些企業已經實現高度數字化製造係統、監控和控製生產和能源使用,預計有20%的平均每2035年工業設施(減少能源消耗18]。

智能調度和人工智能

智能調度和人工智能幫助製造商解鎖設備的能源效率水平對整個供應鏈。例如,多個連接的智能調度流程製造係統建模的自適應配置線和調度的工作基於隨機需求提高能源效用率(19]。

使製造業可持續發展的

可持續製造目標提高運營效率,應對新客戶的需求,並建立長期的商業可行性和成功。

再製造

再製造的目標是恢複返回的產品完整的功能和使用另一個生命周期和潛力巨大的能源和減少廢物。研究發現,再製造有潛力減少碳排放,改善產品質量,生態效率和服務水平20.- - - - - -22]。

麵向服務的製造(SOM)

SOM旨在分享製造能力和資源通過雲平台23]。SOM提供了一個解決方案利用雲的智能決策能力,提供最可持續的和健壯的選項在製造業。例如,叢製造雲(24)是一種軟件,包的企業資源計劃(ERP)作為服務(SaaS)幫助製造商更有效地組織他們的製造過程和智能。

可重構製造

可重構製造(RM)最初是設計來提高響應性變化和不可預測的市場最近顯示其優越性在管理排放廢水和使用係統的重新配置。Khezri可持續操作等人提出了一個優化模型與數學建模可重構製造環境的危險廢物和排放25]。同時,結合物聯網技術和人工智能、機器故障也可以檢測並推斷出RMS早些時候減少故障率,提高生產效率26]。

支持工具/方法向Greentelligent製造業

生命周期評估和碳定價策略

生命周期評價(LCA)是一種標準化的方法來評估產品的環境影響,通過跟蹤過程或活動材料和能源使用和廢物輸出每個生命階段(27]。至關重要的會計輸入、浪費以及相關成本生產過程中每一點。實際的效率很大程度上取決於這一過程的自動化水平。評估可以增強人工智能精確成本,特別是跟蹤成本回到具體的生產流程,項目未來的成本。先進的信息通信技術使公司的實時監控2從燃料燃燒氣流感應爐的各部分(28]。網絡能源有限公司2發射可以使用物聯網設計來提高服務的生產過程,解決複雜的能源消耗29日]。

Greentelligent製造業可以利用碳排放作為一個因素來設計整個供應鏈。在消費觀點,生產者不直接動力減少排放,而消費者,相反,應該承擔責任的選擇最好的戰略和方針政策,通過展示偏愛環保生產商。物聯網技術和數字供應鏈連接整個供應鏈,從原材料供應商到客戶和定價考慮環境成本的產品變形市場動態。其他定價策略,鼓勵綠色發展是碳稅和碳排放交易係統(ETS)。

碳稅直接設置一個價格對碳通過定義一個稅率有限公司2排放。ETS帽的總體水平較低的溫室氣體排放,並允許這些行業排放出售額外的津貼大排放國。碳稅相比,ETS的碳稅並不是經常預定義但企業之間的碳排放價格談判。這種企業級碳市場有助於達到所需的減排目標通過保持發射器reweighing環保技術的投資成本和碳購買。40多個國家和20個城市,州和省已經在使用碳定價機製,與更多的計劃在未來實現它們(30.]。

碳捕獲和存儲

所有上述方法旨在減少碳排放,無論是短期或長期。碳捕獲和儲存(CCS)被確定為一個有效的補償現有技術有限公司2排放。挪威是第一個國家認真對待CCS實施CCS設備CCS將聲明的所有燃油發電廠和挪威的“登月任務”31日]。聚合物膜的最新發展已經成功地實現了碳捕捉規模示範(32]。

CCS尚未廣泛部署,以商業規模養殖由於各種技術、經濟和政治挑戰,這使得CCS技術的前景在許多國家正處在一個完全停滯。兩個主要的CCS的成本動因:1)能源點球分離和壓縮有限公司2由於發電效率的損失(成本),和2)資本成本(成本需要構建、安裝和操作設備)。有幾個好處獲得CCS智能技術解決的挑戰:(1)使用數字雙胞胎評估電力負荷和CCS技術的能源消耗。(2)使用物聯網監控工廠對公司的貢獻2排放。Vatopoulos和Tzimas設計了一個數學模型作為數字雙評估三個CCS技術(33),,oxy-combustion胺擦洗,在生產過程和化學循環。相比之下,化學循環顯示能耗低於氨淨化效率提高18%。

結論

本文重點提出greentelligent製造作為一種新穎的集成製造模式向產業4.0和5.0產業,不僅優先考慮綠色技術創新,也為實現平滑過渡到一個更加綠色的未來。一個框架,關鍵技術推動者,詳細討論了有前途的研究方向。目前,製造業正處於過渡階段,綠色製造和智能製造技術概念,嚐試用更好的實現彼此的目標。隨著環保意識發展和智能技術的推廣,它是可預見的,greentelligent製造業將成為一個有前途的生產模式,解決了環保問題,以人為中心的社會和經濟發展。

實現greentelligent製造業的挑戰依然存在。先進製造技術相比,greentelligent製造業的優勢主要是添加到社會和環境價值將在長遠來說是可見的。促進greentelligent製造、綠色技術的綜合評估工具對不同工業成分和技術準備水平至關重要但失蹤。在未來的工作中,作者將探索生命周期評估動態評估產品的碳足跡和綠色。此外,額外的排放智能設備和係統,包括控製器、傳感器和芯片,將能獲得更多的可行的見解greentelligent製造業。

引用

  1. ClimateWatch, 2020年。曆史的溫室氣體排放。[2021-06-24]。https://www.climatewatchdata.org/ghg-emissions?end_year=2018&start_year=1990

  2. T英國、德通力R木材,et al . EXIOPOL-development先生和說明性的分析詳細的全球EE SUT /物聯網。經濟係統研究,2013,25 (1):50 - 70。

    文章穀歌學術搜索

  3. W諾德豪斯。氣候變化綜合評估模型。NBER記者,2017:16 - 20。

  4. M Geissdoerfer, P Savaget N M Bocken, et al。循環經濟新的可持續發展範式嗎?《清潔生產、2017、143:757 - 768。

    文章穀歌學術搜索

  5. U Sendler。物聯網:工業4.0釋放。施普林格,2017年。

  6. 一個M Deif。綠色製造係統模型。《清潔生產2011年,19 (14):1553 - 1559。

    文章穀歌學術搜索

  7. 阿特拉斯,R佛羅裏達。綠色製造。技術手冊的管理,1998:1385 - 1393。

  8. T C海勒,P R Shukla說。發展和氣候:發展中國家參與。超越京都:推進應對氣候變化的國際合作,2003:111 - 140。

  9. L M Breque De Nul Petridis。行業5.0:一個可持續的、以人為中心的歐洲工業和彈性。盧森堡,魯侍萍歐洲委員會,董事會研究和創新,2021年。

  10. J周,Y, B, et al . Human-cyber-physical係統(學校)的背景下,新一代智能製造。工程2019 5 (4):624 - 636。

    文章穀歌學術搜索

  11. 郭Nimbalkar, W, C中,等。智能製造技術和數據分析對提高能源效率的工業能源係統。橡樹嶺國家實驗室,諾克斯維爾,TN郭魏,橡樹嶺國家實驗室,2017年。

  12. R·庫馬爾,P饒。綠色製造技術解決方案的環境影響和浪費。可持續發展,2018,(12):532 - 535。

    穀歌學術搜索

  13. J楊,Y, X, et al .靈活、導電和高壓敏graphene-polyimide泡沫壓力傳感器的應用程序。複合材料科學與技術、2018、164:187 - 194。

    文章穀歌學術搜索

  14. S T Wismann, J S Engbæk S B Vendelbo, et al .電氣化甲烷改革:一個緊湊的綠色工業製氫方法。科學、2019、364 (6442):756 - 759。

    文章穀歌學術搜索

  15. W D梁,H L Lam W P Q Ng, et al .精益和綠色製造在其應用程序和審查的影響。流程集成和優化的可持續性、2019、3 (1):5-23。

    文章穀歌學術搜索

  16. 伊萬諾娃阿,T坎貝爾,C·威廉姆斯等。3 d打印技術可以改變世界嗎。加法製造技術、潛力和影響,大西洋理事會,華盛頓特區,2011。

  17. R N艾略特。能源效率和工業:國家的趨勢。華盛頓特區:美國節能經濟委員會的2016年,http://aceee.org/blog/2015/12/energyefficiency-and-industry

  18. 薩拉姆。物聯網的可持續能源係統。:物聯網的可持續社區發展施普林格可汗,2020:183 - 216。

  19. E Bayrak X李,我Epureanu, et al .多個可重構製造係統的實時合作。CIRP年報、2018、67 (1):437 - 440。

    文章穀歌學術搜索

  20. X, X Ao, W Cai, et al。可持續性評價方法集能源、經濟和環境再製造係統。《清潔生產、2019、239:118100。

  21. W克爾,C瑞安。生態效率收益再製造:一個案例研究在富士施樂複印機再製造澳大利亞。《清潔生產,2001,9 (1):75 - 81。

    文章穀歌學術搜索

  22. 李X N李,我Kolmanovsky, et al。隨機模型預測控製再製造係統管理。製造係統期刊59,2021:355 - 366。

    文章穀歌學術搜索

  23. 李B H L, L王,等。雲製造:一個新的麵向服務的網絡化製造模式。計算機集成製造係統,2010,16 (1):1 - 7。

    穀歌學術搜索

  24. 叢係統公司。叢製造雲https://www.plex.com/

  25. Khezri H, H Benderbal L Benyoucef。一個可持續的可重構製造係統設計與關注環境危險廢物。2019年24日IEEE新興技術和工廠自動化國際會議上(ETFA)9月,2019:317 - 324。

  26. 李我Epureanu X Nassehi et al。智能製造係統的自我修複深度強化學習。CIRP年報、2020、69 (1):421 - 424。

    文章穀歌學術搜索

  27. T S哈丁。生命周期評價作為綠色製造工具的教育。材料工程,2004:62。

  28. L朔爾茨,O佩雷斯,B比雷爾,et al。小型低成本的二氧化碳傳感器為移動設備。IEEE傳感器雜誌,2017,17 (9):2889 - 2895。

    文章穀歌學術搜索

  29. R T W Liu Peng Tang et al。物聯網使基於模型的方法來改善鋁壓鑄過程的能源效率。能源,2020,https://doi.org/10.1016/j.energy.2020.117716

    文章穀歌學術搜索

  30. 瓦拉。是全球碳市場工作?自然、2007、445 (7128):595 - 596。

    文章穀歌學術搜索

  31. K布,漢森。獲取企業的故事:一個比較的媒體討論碳捕獲和儲存在挪威和瑞典。全球環境變化,2011,21 (2):336 - 345。

    文章穀歌學術搜索

  32. 漢族,W W Ho)。聚合物膜二氧化碳捕獲的最新進展。中國化學工程雜誌》上,2018,26 (11):2238 - 2254。

    文章穀歌學術搜索

  33. M Perez-Fortes,莫亞J, K Vatopoulos, et al。二氧化碳捕獲和利用水泥和鋼鐵行業。能源Procedia、2014、63:6534 - 6543。

    文章穀歌學術搜索

下載參考

確認

作者衷心感謝工業工程研究所的研究員、浙江大學的關鍵討論在手稿準備。

作者的信息

Xingyu,生於1992年,目前是研究研究員美國密歇根大學機械工程係。他收到了他的博士學位美國密歇根大學。他的主要研究領域包括製造係統、操作研究,深入學習,人工智能,和優化。

Baicun王,生於1990年,目前正在研究教授國家重點實驗室的流體動力和機械電子係統,浙江大學,中國。他收到了他的博士學位浙江大學,中國,擔任博士後研究員中國工程院院士,清華大學,中國,美國密歇根大學。他的主要研究興趣包括human-cyber-physical係統(學校)、智能製造、工業與係統工程。

道,生於1984年,目前是副教授國家重點實驗室的流體動力和機械電子係統,浙江大學,中國。他收到了學士和碩士學位西安交通大學,中國,博士學位新西蘭奧克蘭大學。他的研究興趣包括智能可持續製造、數據分析和情報協同製造,智能生產管理和決策支持。

荀勖,生於1959年,ASME / EngNZ研究員,教授目前是一把椅子機械工程係,新西蘭奧克蘭大學的。他收到了他的博士學位英國曼徹斯特大學的。他的研究興趣包括智能和可互操作的製造,先進的技術在行業4.0中,cyber-physical係統和雲製造。

資金

由浙江省自然科學基金(批準號LY19E050019),浙江省級軟科學研究項目(批準號2022 c35040)和浙江大學“數百人才”計劃(批準號0020886)。

作者信息

作者和聯係

作者

貢獻

XL:方法論;正式的分析;原創作品。BW:概念化;方法;調查;Writing-review和編輯;監督。TP:概念化;資源; Writing—original draft. XX: Writing—review and editing. All authors read and approved the final manuscript.

相應的作者

對應到Baicun王

道德聲明

相互競爭的利益

作者聲明沒有競爭的經濟利益。

權利和權限

開放獲取本文是基於知識共享署名4.0國際許可,允許使用、共享、適應、分布和繁殖在任何媒介或格式,隻要你給予適當的信貸原始作者(年代)和來源,提供一個鏈接到創作共用許可證,並指出如果變化。本文中的圖片或其他第三方材料都包含在本文的創作共用許可證,除非另有說明在一個信用額度的材料。如果材料不包括在本文的創作共用許可證和用途是不允許按法定規定或超過允許的使用,您將需要獲得直接從版權所有者的許可。查看本許可證的副本,訪問http://creativecommons.org/licenses/by/4.0/

再版和權限

關於這篇文章

驗證通過CrossMark貨幣和真實性

引用這篇文章

李X。,Wang, B., Peng, T.et al。Greentelligence:智能製造一個更加綠色的未來。下巴。j .機械工程。Eng。34116 (2021)。https://doi.org/10.1186/s10033 - 021 - 00656 - 2

下載引用

  • 收到了:

  • 接受:

  • 發表:

  • DOI:https://doi.org/10.1186/s10033 - 021 - 00656 - 2

Baidu
map