一种基于双碳目标的制造产业链优化方法

本发明涉及制造产业链优化，更具体的说是涉及一种基于双碳目标的制造产业链优化方法。

背景技术：

1、目前，芯片制造是世界产业链与供应链维度下最复杂、最为全球化的产业之一。在芯片的生产流程中，晶圆制造步骤是整个半导体价值链中最有经济效益的阶段之一。但同时它也是对环境影响最大的制造阶段，因为它涉及到使用大量的水、能源和原材料，并产生对应的废物和排放物。现阶段芯片的需求量与产量快速增长，加剧了其生命周期的不同阶段对环境的影响。通过对现有文献的调查，发现关于半导体行业环境影响评估的科学案例研究很少，大多数都是从企业或是技术的角度出发来进行评估：现代半导体器件的制造涉及到一系列复杂的能源密集型和资源密集型的制造过程，从而产生大量的废物。希格斯等以英特尔公司为例研究了co2排放对半导体企业各个方面的影响，包括制造运营、产品使用以及供应链、物流和员工差旅等各个范围。刘等针对相关生态指标评估了双倍数据速率同步的动态随机存取存储器的五个生产过程对环境的潜在影响。博伊德等研究了7代技术上的数字逻辑芯片的生命周期评估，并分析了相关环节在多种环境指标下的影响。黄等建立了一种基于参数的工具，来帮助识别半导体行业中复杂制造过程的关键参数，通过对7114种晶圆产品进行工艺和统计分析，建立了6种cfp回归模型。郭等对对嵌入式非易失性存储器(envm)芯片生产所涉及的影响类别进行了研究，解决了气候变化、用水、颗粒物和矿物和金属的资源利用等问题，以全生命周期视角为半导体企业低碳发展提供了建议。张帆等人的研究已经论证了技术变革和效率改进对碳排放强度影响的决定性作用，然而并非所有企业都能承担技术变革带来的高额成本。因此，如何更好的统筹产业链中各企业的效益与能耗现状，跳出单个企业碳减排局限，系统性地提高整条产业链效益、降低企业能耗，保证整个产业链的效益最优是值得探讨的问题。

2、上述研究仅仅针对芯片生产中的某一个环节或某一企业进行分析，只处理单个制造工艺或生产阶段的影响评估。到目前为止，还没有研究关注这一行业的整体影响或是产业链影响。导致这一问题的原因主要体现在：技术和专利的保密性，产品全生命周期数据可靠性，工业部门的内在复杂性，制造技术的复杂性与可变性，芯片产业链的全球性，产品制造技术的多样性。出于同样的原因，很难比较不同芯片制造企业和不同生产制造技术下的环境影响，也很难从产业链视角探究整体经济效益与碳排放量。

3、因此，如何从产业链整体的视角打通产业链上下游壁垒，在现有算法和模型的基础上提出高效的优化方法从整体视角对产业链经济效益和碳排放量进行优化是本领域技术人员亟需解决的问题。

技术实现思路

1、有鉴于此，本发明提供了一种基于双碳目标的制造产业链优化方法，能够在现有算法和模型的基础上对产业链经济效益和碳排放量进行优化，解决了整个产业链效益低下、成本高的问题。

2、为了实现上述目的，本发明采用如下技术方案：

3、一种基于双碳目标的制造产业链优化方法，包括如下步骤：

4、步骤1：收集产业链各节点企业经济效益与碳排放量的集合以及复杂网络中各节点的参数作为样本；收集产业链初始种群；

5、步骤2：建立双碳产业链协同优化模型；将样本与产业链初始种群带入双碳产业链协同优化模型，其中所述双碳产业链协同优化模型，使用改进人工蜂群算法优化bp神经网络初始权值、阈值，并依据终止节点的反馈，有选择的将神经网络最优权值、阈值与相关的误差反馈至下一步骤，完成对产业链初始种群的评价；

6、步骤3：将完成评价的产业链初始种群输入优化系统，结合克隆选择算法进行产业链优化。

7、优选的，所述步骤1中具体包括：

8、复杂网络中各节点的参数包括：平均路径和节点重要度排名；

9、所述平均路径表示为：

10、其中，连接节点i和j的最短路径上的各边的距离之和定义为两节点间的距离dij，任意两个节点之间距离的平均值定义为网络的平均路径长度l，其中n为网络节点数；

11、所述节点重要度排名表示为：

12、其中，prj(t-1)表示节点j在t-1时刻的pr值，c表示随机跳转概率，ejk表示与j相连的节点k的经济效益，假定j节点共指向m个节点，若节点j指向节点i则ajt取值为1，否则为0；

13、所述产业链初始种群分为第一产业链初始种群和第二产业链初始种群。

14、优选的，所述步骤2中具体包括：

15、步骤2.1：将第一产业链初始种群中的每个个体代入双碳产业链协同优化模型中的bp网络a，初始设定bp网络a的初始权值和阈值，通过样本训练得出每个个体修正后的权值与阈值；

16、步骤2.2：第一产业链初始种群中个体均完成计算后，判断结果是否满足终止条件，满足则执行步骤2.3，不满足则对第一产业链初始种群中个体进行更新，将更新后的种群作为第一产业链初始种群，返回步骤2.1；

17、步骤2.3：将第二产业链初始种群作为bp网络b的样本，将bp网络a所获取的最优权值与阈值作为bp网络b的初始权值与阈值，对bp网络b的样本进行训练。

18、优选的，所述步骤2.1中还包括设置进度节点r、r1、r2，进度节点初始值均为1，在接收到样本后模型进行初始化，r1针对bp网络a进行计数，r2针对bp网络b进行计数，r针对克隆选择算法的循环次数进行计数，样本输入到网络输入层entera。

19、优选的，所述步骤2.1中样本训练具体包括通过样本对网络输入层entera接收的第一个个体进行一次训练，在训练完成时计算此时的网络误差e1，并以网络误差e1对输出层各神经元的偏导为依据对bp网络a进行权值与阈值的修正。

20、优选的，所述步骤2.1中得出每个个体修正后的权值与阈值具体包括：判断信号r1的值是否等于群体的数量u，当r1<u时，r1＝r1+1，并将群体中的下一个个体代入bp网络a计算此时的网络误差ei，并根据计算结果优化此时的权值与阈值；当r1＝u时，表明群体中每个个体的误差计算均已完成。

21、优选的，所述步骤2.2中具体包括：通过人工蜂群算法判断误差计算结果是否满足的终止条件，满足则执行步骤2.3，不满足则对第一产业链初始种群中个体通过下式进行相关蜜源的更新，采蜜蜂和侦察蜂分别按照下式进行：

22、x′id＝xid+φid(xid-xkd)

23、

24、其中，与第i个蜜源相对应的采蜜蜂依据更新公式寻找新的蜜源x′id，i＝1,2,...sn，sn为采蜜蜂总数，φid为区间上[-1,1]的随机数，xid表示第i处蜜源的值，i≠k；侦查蜂搜索新的解xid，r是区间[0,1]上的随机数，和为第d维的下界和上界；

25、将更新后的种群作为第一产业链初始种群，返回步骤2.1。

26、优选的，所述步骤2.2中，返回步骤2.1具体包括：r2检测更新后的第一产业量初始种群中所有个体交叉、变异是否更新完毕，并在更新完毕后向r1发送重置信号，此时r1的值为1，并继续进行步骤2.1，使用更新后的种群进行新一轮效益值计算。

27、优选的，所述步骤2.3中具体包括：模型判断人工蜂群算法满足终止条件，将第二产业链初始种群作为bp网络b的样本，系统用bp网络a得到的最优初始权值、阈值作为bp网络b的初始权值、阈值，bp网络b在接收到数据输入后，针对bp网络b的样本进行训练。

28、优选的，所述步骤3中包括：将种群个体按照评价值排序后反馈给优化系统，优化系统接收bp网络b传递的种群后通过克隆选择算法进行变异、交叉操作

29、经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种基于双碳目标的制造产业链优化方法，从产业链的整体视角分析了产业链经济效益与碳排放量，提出的对产业链整体评价并优化的bp-cs模型也能够很好的实现对“双碳”产业链的评价与优化。在产业链结构稳定的情况下，通过对产业链节点企业组合进行优化可以有效实现产业链的整体优化。