基于数字孪生的铸造工艺过程环境影响评价方法

谷振宇　何仪　李东洋

摘要：围绕铸造企业开展工艺过程环境影响与碳排放评价的新需求，针对工艺过程动态评价中动态数据的一致性与动态数据处理问题，以铸造工艺过程为研究对象，将数字孪生技术引入铸造工艺过程环境影响与碳排放的评价中，构建了面向环境影响评价的铸造工艺过程数字孪生模型，并将其融合到生命周期评价的基本过程中，提出了基于数字孪生的铸造工艺环境影响评价方法。通过由孪生模型向实例模型和实例孪生体的演化，保证了工艺过程数据结构的一致性，同时通过生成不同阶段的实例孪生体实现动态场景数据的承载，实现了工艺过程动态数据的处理。最后，以某铸造企业3.5 t运输机V法线铸造工艺过程为例，展示了所提方法在工艺过程环境影响评价中的应用。

关键词：生命周期评价；环境影响评价；铸造工艺过程；数字孪生

中图分类号：TH164

DOI：10.3969/j.issn.1004-132X.2023.12.009

Assessment Method of Environmental Impact of Casting Processes Based on Digital Twin

GU Zhenyu HE Yi LI Dongyang

Abstract： Focusing on the new needs of foundry enterprises to carry out process environmental impacts and carbon emission evaluations， and addressing the issues of consistent management of dynamic data in dynamic evaluations of processes， the casting processes were taken as the research object and the digital twin technologies were introduced into the assessments of the environmental impacts and carbon emissions of the casting processes. A digital twin model of the casting processes for environmental impact assessments was constructed and integrated into the basic process of LCA evaluation， and a digital twin-based method for environmental impact assessments of the casting processes was proposed. By evolving from twin models to instance models and instance twins， the consistency of the process data structure was ensured， while the dynamic scene data carrying was realized by generating instance twins of different stages， and the management of dynamic process data was realized. Finally， the application of the proposed method in the environmental impact assessments of the processes was illustrated by the example of the 3.5-ton carrier V-normal casting processes in a foundry.

Key words： life cycle assessment（LCA）; environmental impact assessment; casting process; digital twin

0 引言

铸造业是国民经济的重要产业，它在创造巨大经济财富的同时也消耗了大量制造资源，并对环境造成了严重影响。实施绿色制造工程，进行工艺绿色化改进已成为铸造业可持续发展的关键战略。进行工艺绿色化改进，进而推进绿色制造工程实施的一个重要前提条件就是实现工艺过程环境影响评价。生命周期评价（life cycle assessment，LCA）方法是开展环境影响评价的基础方法，它通过定量化研究能量和物质利用以及废弃物的环境排放来评估一种产品、过程或生产活动造成的环境影响，进而辨识能减少环境负荷的关键机会，探求改善环境影响的方法［1］。

生命周期评价理论制定了开展环境影响评价的基本流程和模式，而决定该方法能否进行有效应用的关键是能否获取合理的环境影响评价数据［2］。对于工艺过程环境影响评价而言，受工艺类型、设备、产品、原材料、生产规模、生产现场以及管理水平等复杂工艺场景影响，获取工艺过程资源环境负荷数据的难度较大，导致工艺环境影响评价所需的数据缺失，所以在现有评价方法中通常采用基于模型分析得到的计算数据［3］。例如，吕锦等［4］基于LCA中的ReCiPe方法对绝熱层制备工艺过程进行了环境影响评价，实现了对绝热层制备工艺的关键环境影响要素的识别，并给出了绿色化改造建议。YILMAZ等［5］使用LCA与欧洲铸铁业的工业平均数据来评估铸造工艺过程的环境影响和实施成本，并对铸造工艺过程的绿色生产进行决策。YADAV等［6］使用Gabi软件计算铝合金砂型铸造过程制造阶段的总体环境影响，并且对不同的可用方案进行了比较，进而找出最佳实施方案。吴玉珍［7］利用Simapro软件对生化处理工艺进行了环境影响分析，进而优选出最适宜的生化处理工艺过程。

综合分析上述研究成果可知：①其评价数据主要是基于GaBi、Simapro等国外评价系统和行业或工艺过程的统计数据，这些数据都可以看作是一种基于模型分析得到的计算数据，这种数据是一种平均化、合并式的数据，它能得到量化评价结果，但难以支撑对工艺过程节能减排关键环节的识别；②其评价模型的结构和数据都是静态的，但是工艺生产过程往往是动态变化的，会结合现场实施情况和条件对工艺方案进行动态调整，例如加工设备的变化等，这种静态评价方法不能响应工艺过程的动态变化，其评价结果的差异也较大。

针对以上问题，将时间因素纳入生命周期评价的动态LCA方法逐渐引起人们的关注，成为生命周期评价研究领域的一个新兴课题。动态LCA技术考虑了评价对象的动态行为，将动态数据运用到被研究系统的评价过程中，从而提高评价结果的准确性。目前对动态环境影响评价的研究主要集中在建筑领域［8-10］，生产过程的动态LCA评价方面，现有研究主要着眼于评价数据的动态获取，而对工艺过程的动态变化以及动态数据的一致性问题考虑不足。

引入数字孪生技术为解决工艺过程的动态评价问题提供了新的思路［11］。在数字孪生建模研究方面，前期的建模研究偏重于数字孪生的描述模型［12-14］，这类模型的描述性很强，但应用性较差。随着数字孪生应用研究的不断深入，机理分析的建模方法被应用于数字孪生建模中［15-17］。机理模型能够有效反映特定输入下系统的作用规律并输出相应结果，但这种方法只适用于某些特定的机理比较明确的过程，对于那些机理不明确或难以分析的工艺过程而言，借助数据分析和机器学习等智能手段建立学习型模型，是目前应用非常广泛的建模方法［18-19］，这类建模方法能够针对输入给出系统的响应。在基于数字孪生的工艺评价研究方面，刘金锋等［20］研究了基于数据驱动的机械加工工艺评价孪生模型，通过数字孪生技术为工艺评价提供数据源泉，实现了评价数据的流通性、实时性与有效性；LIU等［21］提出了基于数字孪生的工艺评价方法，实现了加工数据与工艺设计信息的实时映射，提高了工艺过程执行效率。

由上述分析可以得出如下结论：①现有工艺过程环境影响评价通常是将工艺过程看作是一个整体，基于一种平均化、合并式的数据进行评价，难以实现对节能减排关键环节的识别;

②目前评价模型的结构和数据都是静态的，不能响应工艺过程的动态变化，其评价结果的差异也较大;

③国内外近年来对基于数字孪生的动态LCA研究已取得了一些初步的成果，但鉴于工艺过程的复杂性以及工艺间差异较大，如何建立面向环境影响评价的铸造工艺过程孪生模型，并应用于铸造工艺过程的环境影响评价，使之既能适用于铸造工艺过程的动态性，又能有助于关键环节的识别，这是一个非常有意义的研究工作。

鉴于此，本文围绕企业开展工艺过程环境影响动态评价的新需求，针对工艺过程动态评价中动态数据的一致性与动态数据处理的问题，以铸造工艺过程为研究对象，将数字孪生技术引入铸造工艺过程环境影响评价中，构建面向环境影响评价的铸造工艺过程数字孪生模型，并将其融合到LCA评价的基本过程中设计基于数字孪生的铸造工艺环境影响评价方法，通过由孪生模型向实例模型和实例孪生体的演化，保证工艺过程数据结构的一致性，同时通过生成不同阶段的实例孪生体实现动态场景数据的承载以处理工艺过程动态数据，得到工艺过程的环境影响动态评价结果，实现对高排放和高耗能环节的识别。

1 铸造工艺过程环境影响动态评价

1.1 基于数字孪生的动态环境影响评价方法框架

本文提出的基于数字孪生的动态环境影响评价模型的核心在于评价模型是基于孪生模型生成的，绑定了工艺信息，实例模型会与所获取的工艺过程动态数据进行绑定，生成能反映该工艺环节执行情况的实例孪生体。工艺过程所有动态变化信息都可以通过不同阶段的实例孪生体来承载。通过从数字孪生模型到实例模型，再到实例孪生体的生成与演化，获取整个工艺过程的动态变化信息，进而实现工艺过程的动态评价。评价模型框架如图1所示，评价整体过程与LCA的基本流程一致，包括目标与范围定义、过程建模、清单分析、影响评价和结果解释等5个主要环节，主要包括三个步骤：①将获取的工艺信息与数字孪生模型相结合，生成工艺过程实例模型；②将在不同生命周期阶段获取的工艺场景数据与工艺过程实例模型进行绑定，生成实例孪生体；③在对实例孪生体进行分析的基础上，得到工艺过程环境影响评价结果。其中，工艺过程数字孪生模型由结构化数字模型和工艺场景数据模型構成，设计阶段的工艺场景数据通过相似度计算方法检索工艺场景实例数据库获得，生产制造阶段的工艺场景数据通过时序数据库获得。

1.2 面向环境影响评价的数字孪生模型

面向环境影响评价的铸造工艺过程数字孪生模型就是在信息空间中构建适用于环境影响评价的物理工艺过程的数字化模型。与面向工艺设计和制造的数字孪生模型不同，数字化模型不关注具体的工艺参数设计与实施技术等，主要关注工艺过程的结构表征以及用于环境影响评价的数据组织与管理。数字孪生模型主要由铸造工艺过程结构化数字模型和铸造工艺过程数据模型组成。

1.2.1 基于有向无环图的结构化数字模型

铸造工艺过程包含多个工序，每个工序又包含多个工步。每个工序既具有独立性又具备复用性。工艺过程各环节间具有并行关系、串行关系以及聚合关系等。为了实现铸造工艺过程的数字化表征，本文基于有向无环图（directed acyclic graph，DAG），通过有向路径对工艺过程包含的工艺节点进行连接，将工艺过程表征为DAG的形式。图2为某一砂型铸造工艺过程DAG表征的示意图。基于有向无环图的结构化数字模型建模过程如下。

（1）选定一种具体的铸造工艺过程，依据工艺规划文件，确定该工艺过程的加工工序及工序间的串行与并行关系；在二维坐标平面中构建二维坐标系，横轴表示串行工序间的先后次序，纵轴表示并行工序间的并行关系，依据工序间的关系将各工序标注到二维坐标平面中。为每个工序对应的坐标点创建环节容器，表示为

（1）

其中，Cti表示第i个环节容器，xi、yi表示环节容器在二维坐标系中的坐标。依据工序间的关系，通过单向箭头将环节容器进行关联，表示为

（2）

其中，Cn（i，j）表示从环节容器i到环节容器j之间的单向连接线，n表示工艺过程中工序的数量。所有的环节容器的关联关系可以用一个邻接矩阵G来表征，其中G的元素gi，j定义如下：

（3）

其中，gi，j值为1时，表示存在由环节容器i到环节容器j的有向连接；gi，j值为0时，则表示不存在由环节容器i到环节容器j的有向连接。

（2）根据环节容器所表示的具体工序，向环节容器添加工艺过程输入输出要素，表示为

其中，M由环节容器集、邻接矩阵、特征指标集组成。

1.2.2 基于工艺场景的数据模型

铸造工艺过程数据模型是对铸造工艺过程数据进行组织与管理的结构形式。依据铸造工艺的输入、处理和输出（input， processing and output， IPO）过程（图3），可以将铸造工艺过程数据分为输入和输出两类，输入由原材料、能源、设备、关键工艺参数等组成，输出由输出部件和环境负荷等组成。图3中，VOC表示挥发性有机化合物。

铸造工艺过程数据的属性非常复杂，包括各类物料、能源、废液、废气、固废、职业安全等多种类型，涉及实测数据、文献数据、预测数据等多种来源，以及不同时间维度、不同可信度等多特征属性。本文通过层级维、负荷维与工艺维三个维度，以及数据的来源性、统计性与地域性等多方面对数据属性进行分析，如图4所示。

鉴于铸造工艺过程数据属性的复杂性，本文引入工艺场景的概念，定义工艺场景为结合工艺过程数据采集与过程控制的实际情况划定的工艺要素的集合。在此基础上提出基于工艺场景的数据模型，将工艺过程中的原材料、辅料、设备等要素以及资源环境负荷数据组织起来，以工艺场景为纽带，对工艺场景中各个要素以及资源环境负荷数据进行组织和关联，从而将工艺场景数据集存放到铸造工艺环境影响评价支持系统中进行管理，用以满足铸造工艺过程结构组织灵活和动态变化需求，维护铸造工艺过程数据的完整性和一致性，解决多样化铸造工艺数据的存储、组织和管理等方面的难题，并为工艺过程的环境影响评价提供统一结构的数据集。工艺场景数据模型的示意如图5所示，构建流程包括以下步骤：

（1）根据铸造工艺过程环境影响评价的需要，选定工艺过程中的一个或多个工序，将其命名为一个工艺场景；

（2）定义工艺场景的构成要素，包括工艺场景基本描述、工艺对象、设备、能源、关键工艺参数、辅料、环境负荷及输出部件，工艺场景可表示为

S={Sd，Ob，De，En，Pr，Me，Lo，Pt}（11）

其中，S表示工艺场景，Sd表示工艺场景的基本描述；Ob表示工艺对象，即铸造工艺场景的主要材料；De表示设备；En表示能源；Pr表示关键工艺参数；Me表示辅料，即铸造工艺执行过程中起催化、防护等作用的辅助材料；Lo表示环境负荷，即工艺执行过程中所产生的废气、废液、废水等环境影响与负荷物质集合；Pt表示输出部件。

（3）构建工艺场景要素的数据实体，对工艺场景的每一类实体构建其数据实体，根据描述该数据实体的需要，构建出数据实体的名称、属性、主键、外键。进而构建数据实体的物理表，将数据实体中的属性转换为列，并定义列的数据结构。

1.3 基于实例模型的工艺过程动态环境影响评价

1.3.1 铸造工艺过程实例模型

在前文所述面向环境影响评价的铸造工艺过程数字孪生模型中，结构化数字模型从工艺流程出发，着眼于实现铸造工艺物理过程结构特性的数字化表征，而工艺场景数据模型则是从工艺过程数据的组织结构形式出发，着力于实现铸造工艺过程信息的抽象化表达与统一管理。为了将数字孪生模型应用于评价，需要结合具体的工艺信息，对孪生模型进行实例化，而实例模型可以理解为在数字孪生模型的基础上，结合具体的工艺信息，构建的一个具体工艺过程的数字化模型，其构建流程包括以下步骤。

（1）获取工艺信息（工艺信息分为环节容器信息与要素属性信息）：

（12）

式中，I表示工艺信息；ICti表示环节容器信息；IAtj表示要素属性信息。

（2）将工艺流程信息输入到结构化数字模型中，将要素属性信息输入到工艺场景数据模型中，其中，结构化数字模型的环节容器通过与其对应的环节容器信息进行描述：

（13）

工藝场景数据模型中要素的属性通过与其对应的要素属性信息进行描述：

（14）

（3）构建结构化数字模型与场景数据模型的绑定关系，可表示为

（15）

式中，Pi表示用于表示工艺过程唯一性的主键，是实例模型的根节点；Pt表示具体工艺过程的名称;Mo表示工艺过程的结构化数字模型；{Sn}表示工艺过程的场景数据模型；Bi表示结构化数字模型中的环节容器P（x，y）与其所对应第n个场景数据模型Sn的绑定关系，同时环节容器的工艺数据由与之绑定的工艺场景数据模型进行规范与描述。

基于上述步骤构建的铸造工艺过程实例模型可通过引用工艺过程主键Pi，然后依据该主键获取其所属的所有环节容器以及环节容器绑定的场景数据模型，最终实现工艺过程信息组织框架的构建。通过该工艺过程实例模型构建的铸造工艺过程实例可从工艺过程的根节点出发对其所属全部环节容器进行遍历，即可以实现具体铸造工艺过程的所有资源环境负荷数据信息的汇总，便于后续对铸造工艺过程清单数据的整合与计算。图6展示了铸造工艺过程实例模型的生成机制。

1.3.2 动态场景数据获取

实例模型本质上是一个具体工艺过程的数字化模型，在每一个物理工艺制造过程中会产生具体的场景数据，通过获取这些动态的场景数据并与实例模型进行绑定，可以生成保存有工艺过程动态信息的实例孪生体。通过对这些实例孪生体进行清单数据分析，就可以获取整个工艺过程中的动态数据，实现对铸造工艺过程环境影响的动态评价。

结合铸造工艺的生命周期过程，场景数据获取可以分为两类：一类是在工艺设计阶段，由于工艺还未实施，所以如何获取相关评价数据，是设计评价阶段需要解决的关键问题；另一类是在生产制造阶段，由于生产制造阶段是工艺过程物理实施阶段，所以可以通过传感器或人机交互的形式采集工艺生产过程实时变化数据以及现场调整信息。但由于铸造工艺过程生产流程长、设备众多、通信协议种类多样，因此生产制造阶段评价要解决的一个主要问题就是实时数据的传输、存储与处理问题。

1.3.2.1 设计阶段场景数据获取

為了解决工艺设计阶段评价数据获取问题，提出一种工艺场景相似度计算方法，其算法逻辑如图7所示。具体计算方法如下：

（1）总体相似度计算。任意两个工艺场景之间的总体相似度由包括各属性之间的局部相似度以及对应的权重值加权计算获得，总体相似度计算方法如下：

（16）

式中，X为待获取资源环境负荷数据的目标铸造工艺场景；Yj为可以进行匹配的场景实例集合中第j个场景实例；c（X）i、c（Yj）i分别为X和Yj的第i个场景要素属性；ω（ci）为场景要素属性的权值；s（c（X）i，c（Yj）i）为c（X）i和c（Yj）i的局部相似度。

进行总体相似度计算首先需要确定各工艺场景要素属性的权值，本文结合相似粗糙集理论，采用等间隔法对连续要素属性进行离散化处理后得到要素属性离散数据权重决策表T=（U，C∪D，V，f），其中U为论域，A为非空的有限属性集合，A=C∪D，C为条件要素属性集，D为决策要素属性集，V为属性集合A的值域，f为U和A的信息函数集，对于ak∈C，属性ak的重要度δD（ak）可由下式计算得到：

其中，k从1开始取值，直到满足：N（S（X，Yj）≥S（k）ε）≥b），N（S（X，Yj）≥S（k）ε表示实例库中求出的相似度S大于阈值的工艺场景实例个数，b为根据经验设置的常数。

在实际情况中，由于前期工艺场景实例库中存储的工艺场景实例较少，随着系统的进一步应用，会不断地将符合工艺场景实例库质量标准以及需求的工艺场景实例存储到数据库中，故需要采用DSTD方法和SSTD方法相结合的方式确定相似度阈值，通过引入调节因子φ1和φ2编写其实现过程算法，其计算过程如下：

（23）

其中，φ1、φ2是为了结合不同应用情况得到合理的相似度阈值而引入的调节因子，其值为结合实际应用设置的常数。

最后，工艺场景实例库中所有与当前设计阶段工艺场景相似度达到相似度阈值Sε的工艺场景实例都被检索出来作为相似实例，并将其按照相似度值进行降序排列。

1.3.2.2 生产制造阶段场景数据获取

生产制造阶段的铸造工艺过程环境影响评价流程与工艺设计方案环境影响评价相同，其主要区别在于生产制造阶段工艺场景数据获取方法与工艺设计阶段不同。生产制造阶段工艺场景数据获取的主要过程是：首先通过传感器实时传输并存储；然后对实时数据进行缺失值补偿、异常值剔除等实时处理；接着将数据与其对应的工艺场景以及功能单位的基准流进行关联；最后对数据进行整合，得到生产制造阶段的工艺场景数据。

1.4 工艺过程环境影响评价

通过获取工艺过程各阶段各环节的场景数据，并与实例模型进行绑定，从而生成保存有工艺过程动态信息的实例孪生体。通过对这些实例孪生体进行清单数据分析，可以获取整个工艺过程中的动态数据，实现对铸造工艺过程环境影响的动态评价，评价过程与LCA评价方法相同，包括目标与范围定义、清单分析、影响评价和结果解释等几个阶段。

2 应用验证示例

基于本文提出的评价方法，采用JavaWeb技术设计并开发了铸造工艺过程环境影响评价原型系统。下文以某铸造企业3.5 t运输机V法线铸造工艺过程的环境影响评价为例，对评价方法应用过程进行说明。

2.1 铸造工艺过程实例模型

工艺过程实例模型是在工艺场景模型的基础上结合实际工艺过程信息构建的，具体包括熔炼、造型、浇注以及清理四个环节，其构建过程示意如图8所示。

2.2 设计阶段场景数据获取

以熔炼工艺场景为例，对相似度计算过程进行说明。从数据库中提取影响铸造工艺过程熔炼工艺场景相似性的特征属性，具体如下：工艺对象类型（C1）、工艺对象用量（C2）、设备名称（C3）、设备型号（C4）、能源类型（C5）、关键工艺参数（C6）、辅料类型（C7）、输出部件名称（C8）、输出部件单件质量（C9）、输出部件数量（C10），其中工艺对象用量的单位为kg，输出部件单件质量的单位为kg，输出部件数量的单位为件/年。

采用粗糙集方法进行特征属性约简，计算工艺场景实例各属性的特征属性权值过程如下：

（1）根据式（17）计算得到重要度δD（C1）=0.125，δD（C2）=0.238，δD（C3）=0.125，δD（C4）=0.125，δD（C5）=0.125，δD（C6）=0.125，δD（C7）=0.125，δD（C8）=0.226，δD（C9）=0.132，δD（C10）=0.218。

（2）基于上述计算结果，根据式（18）进行规范化处理可得特征属性权值如下：ωC1=0.152，ωC2=0.152，ωC3=0.152，ωC4=0.152，ωC5=0.152，ωC6=0.152，ωC7=0.152，ωC8=0.152，ωC9=0.152，ωC10=0.152。

（3）根据局部相似度计算公式（式（19）和式（20））可得各要素属性的局部相似度。以表1所示的工艺场景实例及相应的要素属性作为对比检索的源实例，离散化要素属性如表2所示，用于对比检索的目标工艺要素属性如表3所示，经过计算得到表4所示工艺要素属性的局部相似度。

（4）根据式（16）完成总体相似度计算如图9所示，S（Xm，X1）=0.938 529，S（Xm，X2）=0.637 935，S（Xm，X3）=0.343 297。然后，采用静态阈值和动态阈值相结合的方法计算出系统相似度阈值为0.9，最后得到推荐的相似工艺场景，如图9所示。

2.3 环境影响评价

选择了匹配的工艺场景后，就可以获取该场景的资源环境负荷数据，进一步得到清单数据（表5），进而进行环境影响评价，其结果如图10所示。由图10可知，在3.5 t运输机V法线铸造工艺过程中，酸化影响潜值的环境影响最大，其值为0.9866，其次是光化学氧化物产生潜值，其值为0.1124。工艺过程各环节贡献分析如图11所示。其中熔炼、造型、浇注以及清理的环境影响值分别为1.53、0.323、0.0231、0.143，故熔炼工艺场景的环境影响值最大，即熔炼环节对环境的影响程度最大，更具备节能减排的潜力。

3 结语

现有工艺过程环境影响评价方法主要是基于一种平均化、合并式的静态数据进行评价的，而要对工艺过程进行动态评价，需要解决工艺过程中动态数据的一致性管理问题。针对这一问题，提出了一种基于数字孪生的铸造工艺过程环境影响动态评价方法，主要工作总结如下：

（1）结合开展铸造工艺过程环境影响评价的功能需求，构建了面向环境影响评价的铸造工艺过程数字孪生模型，实现了对复杂工艺过程的结构化表征和多源环境负荷数据的统一组织与管理，能满足工艺过程结构组织灵活和动态变化的需求，适应不同工艺过程的数字化建模。

（2）提出了基于数字孪生的铸造工艺过程环境影响评价方法和设计与制造阶段工艺过程数据的获取方法。该评价方法的核心在于以数字孪生模型为基础，首先将所获取的工艺信息与数字孪生模型结合，生成铸造工艺过程的实例模型；然后将在不同生命周期阶段获取的工艺过程数据与实例模型进行绑定，生成实例化的工艺过程数字孪生体。通过信息的动态绑定，实例模型可以生成不同阶段与环节的实例孪生体，这样工艺过程所有动态变化信息都可以通过不同阶段的实例孪生体来承载。在进行工艺过程环境影响评价时，可以调用这些实例孪生体，进一步生成清单数据，实现工艺过程的动态评价。由于实例孪生体都是基于同一个实例模型构建的，而实例模型是由同一个孪生模型演化得到的，这保证了工艺过程数据结构的一致性；同时，通过生成不同阶段的实例孪生体实现动态场景数据的承载，完成了工艺过程动态数据的管理。

在应用案例分析部分，本文设计的场景要素属性还比较简单，但影响资源消耗和环排数据的工艺要素众多，也非常复杂，后续需进一步积累相关数据，进行研究。同时，本文主要结合前期实验中构建的场景数据库，样本量较小，后续需积累更加丰富的数据。本文所开发的铸造工艺过程环境影响评价支持系统，仅对评价方法的部分功能進行了验证，因实验条件的限制，实时数据处理是通过仿真进行测试的，下一步需结合其他典型铸造企业开展动态数据采集与评价方法的应用实验，进一步完善评价方法，并检验其对不同应用场景的适应性。

参考文献：

［1］BJRN A， CHANDRAKUMAR C， BOULAY A， et al. Review of Life-cycle Based Methods for Absolute Environmental Sustainability Assessment and Their Applications［J］. Environmental Research Letters， 2020，15（8）：83001.

［2］黄和平.生命周期管理研究述评［J］. 生态学报， 2017，37（13）：4587-4598.

HUANG Heping. Critical Review of Life Cycle Management［J］. Acta Ecologica Sinica， 2017，37（13）：4587-4598．

［3］顾复，顾新建，张武杰，等.透明公平的产品生命周期评价方法［J］. 中国机械工程， 2018，29（21）：2539-2545.

GU Fu， GU Xinjian， ZHANG Wujie， et al. Transparent and Fair LCA Method for Products［J］. China Mechanical Engineering， 2018，29（21）：2539-2545.

［4］吕锦，铁铎，李育锋，等.绝热层制备工艺的环境影响分析［J］. 南京航空航天大学学报， 2020，52（1）：79-86.

LYU Jin，TIE Duo，LI Yufeng，et al. Environmental Impact Assessment of Thermal Insulation Layer Preparation Process［J］. Journal of Nanjing University of Aeronautics & Astronautics， 2020，52（1）：79-86.

［5］YILMAZ O， ANCTIL A， KARANFIL T. LCA as a Decision Support Tool for Evaluation of Best Available Techniques（BATs） for Cleaner Production of Iron Casting［J］. Journal of Cleaner Production， 2015，105：337-347.

［6］YADAV A， JAMWAL A， AGRAWAL R， et al. Environmental Impacts Assessment during Sand Casting of Aluminium LM04 Product：a Case of Indian Manufacturing Industry［J］. Procedia CIRP， 2021，98：181-186.

［7］吴玉珍.基于生命周期评价的污水生化处理工艺对比及选择研究［D］. 吉林：东北电力大学， 2018.

WU Yuzhen. Research on the Comparison and Selection of Wastewater Biochemical Treatment Processes Based on Life Cycle Assessment［D］. Jilin：Northeast Electric Power University， 2018.

［8］MLLER A， WRNER P. Impact of Dynamic CO2 Emission Factors for the Public Electricity Supply on the Life-cycle Assessment of Energy Efficient Residential Buildings［J］. IOP Conference Series：Earth and Environmental Science， 2019，323（1）：012036.

［9］FERRARI A M， VOLPI L， SETTEMBRE-BLUNDO D， et al. Dynamic Life Cycle Assessment（LCA） Integrating Life Cycle Inventory（LCI） and Enterprise Resource Planning（ERP） in an Industry 4.0 Environment［J］. Journal of Cleaner Production， 2021，286：125314.

［10］NEGISHI K， LEBERT A， ALMEIDA D， et al. Evaluating Climate Change Pathways through a Buildings Lifecycle Based on Dynamic Life Cycle Assessment［J］. Building and Environment， 2019，164：106377.

［11］GHITA M， SIHAM B， HICHAM M， et al. Digital Twins Based LCA and ISO 20140 for Smart and Sustainable Manufacturing Systems［M］. Singapore：Springer Singapore， 2021：101-145.

［12］田富君，田锡天，耿俊浩，等.基于模型定义的工艺信息建模及应用［J］. 计算机集成制造系统， 2012，18（5）：913-919.

TIAN Fujun， TIAN Xitian，GENG Junhao， et al. Model-based Definition Process Information Modeling and Application［J］. Computer Integrated Manufacturing Systems， 2012，18（5）：913-919.

［13］靳江艷，黄翔，刘希平，等.基于模型定义的飞机装配工艺信息建模［J］. 中国机械工程， 2014，25（5）：569-576.

JIN Jiangyan， HUANG Xiang， LIU Xiping， et al. Model-based Definition Assembly Process Information Modeling for Aircrafts［J］. China Mechanical Engineering， 2014， 25（5）：569-576.

［14］SCHROEDER G N， STEINMETZ C， PEREIRA C E， et al. Digital Twin Data Modeling with Automation ML and a Communication Methodology for Data Exchange［J］. IFAC-PapersOnLine， 2016，49（30）：12-17.

［15］刘金锋，王鹏军，景旭文，等.面向含有辅助特征的工艺模型创建方法［J］. 计算机集成制造系统， 2019，25（8）：1956-1964.

LIU Jinfeng， WANG Pengjun， JING Xuwen， et al. Method of Modeling for Process Model with Process Auxiliary Features［J］. Computer Integrated Manufacturing Systems， 2019，25（8）：1956-1964.

［16］PEREVERZEV P P， AKINTSEVA A V， ALSIGAR M K， et al. Designing Optimal Automatic Cycles of Round Grinding Based on the Synthesis of Digital Twin Technologies and Dynamic Programming Method［J］. Mechanical Sciences（Gttingen）， 2019，10（1）：331-341.

［17］ZHU W， HU T， LUO W， et al. A STEP-based Machining Data Model for Autonomous Process Generation of Intelligent CNC Controller［J］. International Journal of Advanced Manufacturing Technology， 2018，96（1/4）：271-285.

［18］PEREVERZEV P P， AKINTSEVA A V， ALSIGAR M K， et al. Designing Optimal Automatic Cycles of Round Grinding Based on the Synthesis of Digital Twin Technologies and Dynamic Programming Method［J］. Mechanical Sciences（Gttingen）， 2019，10（1）：331-341.

［19］SUN X， BAO J， LI J， et al. A Digital Twin-driven Approach for the Assembly-commissioning of High Precision Products［J］. Robotics and Computer-integrated Manufacturing， 2020，61：101839.

［20］劉金锋，赵鹏，周宏根，等.数字孪生驱动的机械加工工艺评价方法［J］. 计算机集成制造系统， 2019，25（6）：1600-1610.

LIU Jinfeng， ZHAO Peng， ZHOU Honggen， et al. Digital Twin-driven Machining Process Evaluation Method［J］. Computer Integrated Manufacturing Systems， 2019，25（6）：1600-1610.

［21］LIU J， ZHOU H， LIU X， et al. Dynamic Evaluation Method of Machining Process Planning Based on Digital Twin［J］. IEEE Access， 2019，7：19312-19323.

（编辑 王艳丽）

作者简介：

谷振宇，男，1975年生，副教授。研究方向为绿色制造、数字孪生、LCA评价等。E-mail：gzy@cqu.edu.cn。

收稿日期：2022-08-22

基金项目：国家重点研发计划（2018YFB2002102）