数据收集

数据收集（精选十篇）

数据收集 篇1

收集数据———普查、抽样调查

1. 调查的两种方式

关于调查, 请先看这个笑话:

“小明, 帮妈妈买盒火柴去, 这次注意点, 上次你买的火柴好多划不着.” ……

小明高兴地跑回来:“妈妈, 这次的火柴全划得着, 我每根都试过了.”

这个笑话反映了调查的两种方式:普查 (全面调查) 、抽样调查.调查是收集数据的一种重要方法, 我们需要根据具体情况合理选择调查方式:

普查:为一特定目的而对所有考察对象作的调查;

抽样调查:为一特定目的而对部分考察对象作的调查.

笑话中, 小明采用的是普查的方式, 这样收集数据固然比较准确, 但是不仅花费的时间长, 而且消耗的人力物力也非常大, 因而我们通常采用抽样调查这一方法, 它既省时又省力, 也能用所获取的数据对总体的一定目标量作出推断, 从而解决问题.

2. 普查与抽样调查的识别

可见, 普查是对总体中每个个体进行的调查, 范围广、数据详细;而抽样调查的范围有局限性, 数据不全面.因此, 我们要根据两者的特点合理选择调查方式.

例1 下列调查中, 适宜采用普查方式的是 () .

A.了解南京市的空气质量情况

B.了解长江流域的水污染情况

C.了解南京市居民的环保意识

D. 了解全班同学每周体育锻炼的时间

【解析】选项A中, 要调查的对象范围广, 无法全面调查, 适合抽样调查;选项B中, 要了解长江流域的水污染情况, 适合抽样调查;选项C中, 南京市居民人数多, 要了解居民环保意识应选用抽样调查;一个班的学生人数有限, 要了解全班同学每周体育锻炼的时间, 适合全面调查. 故选D.

【点评】调查的方式通常有普查、抽样调查两种.一般来说, 受客观条件的限制, 无法对所有的个体进行调查, 或调查具有破坏性, 不允许进行全面调查时, 只能用抽样调查.

3. 抽样调查中的几个概念

总体:所考察对象的全体称为总体;

个体:组成总体的每一个考察对象称为个体;

样本:从总体中所抽取的一部分个体叫做总体的一个样本;

样本容量:样本中个体的数目叫样本容量 (不带单位) .

如1中笑话:考察对象是火柴的质量;总体是一盒火柴的质量的全体;样本是部分火柴的质量;个体是每根火柴的质量.若小明随机抽取了3根火柴进行试验, 则样本容量是3.

例2为了解某市参加中考32 000名学生的体重情况, 抽查了1 600名学生的体重进行统计分析, 下面叙述正确的是 () .

A. 32 000名学生是总体

B. 1 600名学生的体重是总体的一个样本

C.每名学生是总体的一个个体

D.以上调查是普查

【解析】选项A、C指明具体的调查对象都是学生, 实际上调查对象是学生的体重, 选项A、C均不正确;本题调查方式是抽样调查, 不是普查, 选项D不正确;本题中的一个样本是1 600名学生的体重, 选项B正确.故选B.

【点评】本题考查调查的有关概念, 最容易错的就是对调查对象的叙述, 做题时应注意.

4. 抽样调查的合理性

让我们先穿越到1936年的美国, 看一个真实的案例:“抽样调查, 想说无偏不容易”.

1936 年, 美国 《 文学文摘 》 杂志根据1000万户电话用户和从该杂志订户所收回的意见, 断言兰登将以370∶161的优势在总统选举中击败罗斯福.但结果是, 罗斯福当选了, 《文学文摘》大丢面子.原因何在呢?

原来, 1936年能装电话或订阅《文学文摘》杂志的人, 在经济上都相对富裕, 而收入不太高的大多数选民选择了罗斯福.

《文学文摘》的教训表明, 抽样调查时, 既要关注样本的大小, 又要关注样本的代表性.

例3某地区有8所高中和22所初中, 要了解该地区中学生的视力情况, 下列抽样方式获得的数据最能反映该地区中学生视力情况的是 () .

A. 从该地区随机选取一所中学里的学生

B. 从该地区30所中学里随机选取800名学生

C. 从该地区的一所高中和一所初中各选取一个年级的学生

D. 从该地区的22 所初中里随机选取400名学生

【解析】选项A、C、D所抽取的样本都不具有代表性, 不能反映总体的一般情况, 只有选项B所抽取的样本能反映该地区中学生视力情况.故选B.

数据的收集和 篇2

1、探索收集数据的方法。

放：例1中的路口在10分种内各种机动车通过的录像，让学生看。

(1)小组合作，探索研究

①各种车辆的出现有没有规律?

②在这种情况下，怎样才能准确无误地记下各种车辆通过的数据?

③小组讨论：用什么方法记录数据?

④汇报展示，统一方法。

(2)学生实际操作。

每人拿出一张纸写出各种车辆名称，然后听老师报通过的车辆，并画“正”字记载。

讲：你们纸上收集的数据是原始数据。为了清楚地表示10分种内各种机动车通过路口的辆数和总辆数，需要把这些数据加以整理，制成统计表或条形统计图。

2、数据的整理。

(1)统计表。

想：这个统计表该怎样制?要分几栏?

(2)条形统计图。

投影显示教材第2页空白的条形统计图。

想：①图中的每格代表几?

②每种车的辆数如何用竖条表示出来?

③如果收集的数目较大怎样办?

做：让学生翻开书第2 页，将条形统计图补充完整。

三、实践操作

1.让学生拿出准备好的硬币，按照刚学的数据的收集和整理的方法进行，并填好书上的统计表。

2.课堂作业。

做练习一的第1题。做练习一的第3题。

四、课外实践

收集本班同学家庭人口数的数据，并按照所学的整理数据的方法进行整理。

数据收集 篇3

[关键词]数据收集 数据分析 整理 发展 观念

[中图分类号] G623.5 [文献标识码] A [文章编号] 1007-9068（2015）35-077

“数据分析观念”作为《义务教育数学课程标准（2011版）》中明确提出的十个核心关键词之一，充分表明了新课标对数据分析观念的重视。那么，在小学数学课堂教学中，如何发展学生的数据分析观念，提升学生的数学学习能力呢？

一、着眼基础，教会学生收集整理数据的方法

对于数学学习而言，数据分析观念的形成主要有赖于学生统计过程中的经历，这个经历过程主要是指学生收集、整理、描述、分析、判断数据的过程，离开了这一过程，发展学生数学分析观念也就成了无源之水。因此，教师要着眼基础，放眼未来，帮助学生做好数据的收集、整理工作。

例如，在“数据的收集和整理”的教学中，主要要求学生学会简单统计人数、出生年月等，由于教材中呈现的类型较少，学生在进行数据统计时大多会采取“数一数”的方法。但是如果人数增多，如全年级、全校、全市……那么这种方法就会带来许多不便。因此，在教学中，教师要重视教给学生收集、整理数据的方法。在这种情形下，就自然引出了逐个统计或分组统计的方法;然后，再让学生采用自己喜欢的方法给自己分管统计的项目做好标记，可以用上“△、○、√”等符号来表示。这样一来，可以使学生在统计时一目了然，提高统计整理数据的速度。

在关于数据统计整理分析的教学中，教师要根据学生的具体情况，引导学生掌握数据收集整理的方法，不斷发展学生的数据分析观念。

二、问题驱动，整体规划统计整理方案

在数据统计整理的学习过程中，教师一般都会通过具体的问题让学生进行统计、整理、汇报等，在这个过程中学生亲身参与了数据分析整理的各个环节。因此，教师要引导学生对统计整理方案做好规划，逐步培养学生整理数据方案的能力。

例如，在教学“数据的收集和整理”时，在教给学生统计与整理的基本方法后，为了使学生能够对统计过程做好规划，并提升自己统计数据的能力，在统计本班男女生身高的问题上，笔者给学生预留了大量时间，并通过以下问题驱动学生去规划、去完成整理数据的方案。如：你们了解自己的身高吗？你们了解其他同学的身高吗？你们知道在我国我们这个年龄段的人的平均身高是多少吗？请大家做好本班同学身高的统计，然后与全国平均身高做对比，看看你是否符合全国标准？在这个任务的驱动下，学生很快以小组为单位，做好了分工，并很快完成了小组成员的身高统计工作。这样，在问题任务的驱动下，学生做好了整体规划，统计起来方便、快捷、有效。

由此可见，在数据统计和整理教学时，对统计过程与整理方案做好整体规划是很有必要的，它不仅能激发学生主动收集数据的意识，而且还能使学生提高收集、整理的速度，进而提升数据分析、解决问题的能力。

三、瞄准关键，发展观念，多维度运用数据

在数据统计分析中，即使是相同的统计数据，由于分析方法不同，得出的统计结果也会不尽相同。因此，教师应根据问题的背景，瞄准关键点，选择适合的分析方法，让学生能够从多方向、多维度分析运用数据。

例如，在“数据的收集和整理”的教学中，教师让学生统计本班学生的出生年月，然后在数据的收集和整理完毕后，让学生对这些数据进行分析，并说说自己从这些数据中得出了什么结论。从这种统计方式来看，学生得出的结论无非是哪个月份出生的人数较多，哪个月份出生的人数较少。笔者认为，为了发展学生的数据分析观念，在出生月份统计完毕后，教师还应鼓励学生按照季度、年龄、性别等进行汇总，这样不仅可以使数据的分类整理工作变得更有意思，而且也在无形中发展了学生的数据分析观念。

由此可见，让学生对数据进行多维度、多方向的统计汇总，逐步帮助学生积累数据统计汇总的经验，让学生学会自觉地运用“数据”来分析“数据”，提炼结果，可有效发展学生的数据分析观念。

总之，要想使学生的数据分析观念得到有效发展，教师就要加强对学生的数据收集整理过程的指导，并且能够从生活中提取数据，使学生对数据分析产生亲切感，不怕数据分析，愿意去主动分析数据，提炼出相关信息。如此一来，学生的数据分析能力必将会得到极大提升，进而为全面提升学生的数学素养服务。

“数据收集整理”教学设计 篇4

教材分析:

“数据的收集整理”是在学生已经积累一定的认数、计算以及把一些物体简单地分类整理的知识的基础上学习的, 通过教学让学生学会用调查法经历简单的数据收集、整理、描述和分析过程, 为学生进一步学习统计与概率领域的内容打好基础。

教学过程:

一、创设情境, 引入新课

师:同学们, 新学期开始了, 学校要给大家订做校服, 有下面4种颜色, 选哪种颜色合适?

(出示例1中的4种颜色)

红黄蓝白

生:选大多数同学喜欢的颜色。

师:怎样才知道哪种颜色是大多数同学喜欢的呢?

生1:可以在全校同学中做一个调查。

生2:全校有那么多学生, 怎样调查呢?

生3:可以先在班里进行调查。

生4:还可以先在组内进行调查。

师:同学们真聪明, 调查也就是要进行统计。

揭示课题:统计。统计出喜欢每种颜色的学生人数, 首先要进行数据的收集, 下面我们就一起来调查喜欢每种颜色的学生人数。

【设计意图】通过创设贴近学生生活的情境, 不仅可以激发学生的学习兴趣, 还能让学生认识到数据收集整理产生的必要性和在生活中的广泛应用。

二、收集数据, 深入探究

1. 收集数据。

师:在这4种颜色中, 你最喜欢哪种颜色?为什么?

师:要想知道喜欢哪种颜色的同学最多, 我们应该怎样调查呢?

(学生自由发言。)

出示要求:采用举手、起立、画“√”、“○”做记号等方式来收集数据。这些方式中举手既快速又简捷, 我们就用举手的方式来进行调查。

出示规则:每个人只能选一种颜色, 每当老师说出颜色时, 喜欢这种颜色的同学就举手, 好吗?

教师强调:一个人能选两种颜色或不选吗?

生1:能。

生2:不能。

师:为什么?

生2:如果选一种以上就重复了, 而不选又遗漏了。

师:是呀, 收集数据有很多不同的方式, 但是无论采用哪种方式调查, 都要做到不重复、不遗漏, 也就是说你只能选择一次。那好, 现在我们开始举手调查。

2. 整理数据。

师:刚才同学们通过举手方式选出了自己喜欢的颜色, 老师也知道了, 但是负责订制校服的厂家还不知道, 怎么办呢?

(学生自由发言。)

师:你们真会想办法。我们现在再举一次手, 在下表中统计出喜欢每种颜色的人数, 好吗?

【出示统计表】

师:喜欢红色的请举手, 请一个学生数出人数, 老师记录在统计表中, 其余三种颜色采用同样的方式进行统计。

3. 认识简单的统计表。

师:同学们, 刚才我们将统计后的结果用表格的形式展示出来, 这种表格就是简单的统计表。大家仔细观察一下统计表。

师:你看到什么?

生:……

4. 根据统计表解决问题。

师:是的, 这张统计表的第一行表示的是同学们最喜欢的颜色, 第二行表示的是最喜欢这种颜色的人数。统计表可以直接看出各种数据的多少, 同学们可以根据这些信息分析和解决一些问题。下面请大家根据统计表中的信息解决问题。

1.全班共有 () 人。

生1:要想知道全班有多少人, 应该把喜欢这4种颜色的人数全部加起来, 即9+6+15+8=38 (人) , 所以全班共有38人。

师:你真聪明, 谁能解决第二个问题?

2.喜欢 () 色的人数最多。

生2:比较喜欢每种颜色的人数, 15>9>8>6, 所以喜欢蓝色的人数最多。

师:你真是一个会思考的孩子, 你能解决最后这个问题吗?

3.如果这个班订做校服, 选择 () 色合适。全校选这种颜色做校服合适吗?为什么?

生2:因为全班喜欢蓝色的人数最多, 所以如果这个班订做校服, 选择蓝色合适。

生3:但是全校选择这种颜色做校服不一定合适, 因为全校学生不一定喜欢蓝色的最多, 应该再调查其他班同学喜欢什么颜色的人数最多, 最后比较全校学生喜欢哪种颜色的人数最多, 从而确定全校学生做哪种颜色的校服。

师:你们真的很厉害, 会分析并解决问题, 相信厂家一定会采纳你们的意见。

【设计意图】精心创设学生主动探索的教学情境, 积极地引导学生亲自经历收集、整理数据的过程, 充分体现学生的主体作用, 保护学生自主发展的积极性。

三、巩固练习, 汇报

师:同学们, 请用刚才学到的知识解决课本第4页练习一的问题, 你们敢挑战吗?

1. 完成练习一的第1小题。

调查本班同学最喜欢参加哪个课外小组, 并解决问题。

生:先调查, 完成统计表后, 再独立解决问题, 最后汇报。

2. 完成练习一的第2小题。

调查本班同学最喜欢哪一个季节, 把结果填入下表。

生:先调查, 完成统计表后, 再独立解决问题, 最后汇报。

四、归纳总结

师:同学们, 通过今天的学习, 你有什么收获? (学生交流后, 教师总结。)

师:今天这节课我们学习了统计的相关知识, 知道在统计时要先收集数据, 而收集数据有举手、起立、画记号等多种方式, 但无论选择哪种方式都要做到不重复、不遗漏。还知道收集完数据后要对数据进行整理, 数据整理记录填入的表格叫作统计表。统计表可以告诉我们很多信息, 并帮助我们分析和解决生活中的实际问题。

五、课堂总结, 归纳提升

师:同学们, 想一想生活中还有哪些事情可以用统计知识来解决?

数据收集教学反思 篇5

生活中二年级的小学生可能已经有部分有关“调查在收集数据”的`体念，但是可能还不会科学地表述出来。在收集数据方法方面，考虑到学生年龄特征，要求学生了解测量、调查等的简单方法，不要求学生从报刊、杂志、电视等媒体中获取数据信息。学习的时候要充分利用学生已有的知识，针对性学习。

在教学中从学生身边的实际问题入手，体会利用统计解决问题的完整过程。这里重点放在记录数据的方法――画正字。在教学中教师要注重学生良好学习情感的培养。儿童有儿童的数学，在他的`眼中统计方法可以是举手、画圈……并不全是画“正”字，教师要尊重学生的自我建构，对于合理的认识要给予充分的肯定，对于错误的认识也应当通过其自我“反思”达到修正的目的。在精心设计的练习中更体现了统计的必要性和作用：为我们在现实中的决策作参考。预测未来的可能结果。

如何让学生收集有效数据 篇6

一、激发学生收集数据原动力

学生探究的动力来源于他们与生俱来的好奇心，当他们对生活的现象原有认知结构无法同化时，探究欲望来的尤其强烈。教学中大多数时候教师会强加给学生探究问题和探究对象，没有激发出学生探究的原动力。

例如组织学生研究热水降温的规律时，教师简单地引入研究问题：你觉得一杯热水放在这里会怎样？变凉的过程是怎样的？热水会变凉对于学生来说是无疑问、无悬念的生活现象，而变凉的过程如何学生不太感兴趣，有的学生更是一脸茫然，也许觉得我为什么要知道热水是怎么变凉的呢？这种情形更无法让学生意识到如需解决这个问题，需要精确测量每2分钟热水温度是成功实验的关键。学生探究的动力不足，想让学生经历有意义的探究会成为奢望。再如研究杠杆时，开展撬棒“角力”比赛，当弱小的女同学战胜强壮的男同学时，学生兴趣高涨，因为这与平时他们的已有经验相冲突。接下来的探究活动学生自然会把注意力放在用心实验，收集数据来验证自己的猜测上。只有精心设计合适的探究契机，激起学生的好奇心，学生的探究活动才会是主动的，实验时能有意识有目的收集数据，这样的探究才能充满原动力。

二、优化探究过程的可操作性

为学生创造好的探究氛围，优化探究过程的可操作性，笔者认为教师应从课前“先下水”准备合适有效的探究材料，组织学生制定完善的研究方案，指导正确的测量方法三方面下足功夫，为学生的探究排除干扰，使学生在实验中能收集到有效数据。

1、准备合适有效的探究材料。合适有效的材料是上好实验课的关键一环，一名优秀科学教师对材料的选择应当非常重视，坚持做到“先下水”。对材料的性能了然于胸，实验方法胸有成竹，减少学生探究过程因材料不当引发的干扰因素。例如笔者初次执教《电磁铁》一课时，制作电磁铁的铁钉出现制作后使用一两次就出现铁钉被磁化，断电后依然存有磁性，课堂上出现这种情况教师就处于尴尬境地，学生的探究活动也收到干扰，影响电磁铁科学概念的建立。后来教者寻找不同的铁钉实验，查阅了相关资料，原来铁钉要选用名副其实铁质的，铁是软磁性材料，撤去磁场就没磁性了，五金店购买的很多种类铁钉是钢材料，属于硬磁性材料，被磁化后撤去磁场仍能保持磁性。如果课前教者“下水”深度再深一些，细一些，这种情况就可以避免了。

2、组织学生制定完善的研究方案。科学完善的实验方案是学生成功收集有效数据的保证，赶环节、走过场的形式对培养学生探究能力的培养是一种无用功。在对比实验中“只改变一个条件”“保证其他条件都要相同”是始终都要遵循的重要原则。学生经历过几次对比实验探究后对此有所认识和体会，新的对比实验探究制定计划时会机械地谈到只改变一个条件，其他条件不变。在实验时总会有实际没有控制好的变量，影响到实验数据的收集。制定方案时，教师不妨多给一些引导和提醒，所有条件都考虑到了吗？你准备在实验中怎么做来保证这个因素确实是相同的？这样做这个条件确实相同了吗？

3、指导正确的测量方法。对于学生操作，特别是测量工具的使用，教师要精心预设和指导使用，减少不必要的误差，甚至是错误数据。比如测量热水变凉过程中温度计的使用方法、计时和读数时间的把握等环节通过讨论，让学生能关注细节，力争收集到准确的数据。在制定实验计划时，教师就有意识增加为什么需要精确测量每2分钟的温度，如何做到每次数据的准确性的讨论。实验时，学生有意识地注意到这些问题，才能收集到更准确的数据。

三、养成严谨的数据意识

用数据说话的科学探究，才最有说服力。只有数据更准确、真实才能提高科学探究的效率。教师应当让学生有意识坚持一些做法，养成严谨的数据意识。如坚持边实验边记录，及时记录下每一个有效数据；同一个实验多做几次，尽量减小数据的误差和规避错误的数据；展示所有组的数据，不以偏概全，用小部分组的数据代表全体的数据；杜绝听取其他组汇报与自己组不吻合而篡改数据的行为；交流分享实验成果以数据说话，对出现的“异常”数据，坚决顶真不放过，采取让该组同学回忆、重新实验等方式，找到原因。诸如这些习惯的培养应该落实到每一次的探究活动中，使学生有严谨的数据意识，才有利于学生养成实事求是、一丝不苟的探究精神。

四、采用合理的记录方式

根据研究内容，提倡学生采取适合的表达方式记录，有利于进行数据整理加工，有利于学生之间的交流和理解。在预测和实验记录时只要准确、方便，可以用文字、表格、画图、线条和箭头不同的方式进行表达。例如在对比实验中一般采取表格的方式记录数据，按照自变量项目排列，因变量的数据按照自变量对应记录，有利于学生记录、统计、比较，寻找因变量与自变量之间的关系。对于物质形态方面的观察学生采取绘图加文字说明的方式记录更有利于学生全方位的观察和描述，比如观察种子的结构、通过显微镜观察细胞切片等等。还有一些事物的变化过程当学生用文字描述有难度或过于繁琐，鼓励他们用线条和箭头帮助记录会更清晰、易于理解，如《运动的方式》中用线条和箭头来表示观察到的不同物体运动的路线。

基于网络学习的智能数据收集 篇7

关键词：智能数据收集,网络学习,模型创建

1 网络学习与智能数据

网络学习平台:是一个在网络上进行教学、辅导、自学、交流、作业、测试以及质量评估等多种形式的学习平台, 可以提供的服务分为实时和非实时的。最终目的是能够掌握教师的教学活动过程和学生学习行为过程。

智能数据在教育中会经常用到的两个方面:教育数据挖掘和学习分析。学习分析是利用已有的模型来认识、理解新的学习行为和过程。而教育数据挖掘, 是对学习行为和过程进行量化、分析和建模。而智能数据的属性则包含下面三个方面。可信:数据必须清洁、安全且互联互通。换言之, 必须立即可用。相关:数据富含元数据和上下文, 可以立即访问。有用:数据不仅可以告知其本身的状况, 还可以帮助查找其他相关的信息片段, 或推荐扩充数据的动作。

2 数据收集

通过模型创建、模型比对、有效度判定来收集有用的信息。

2.1 模型创建

教育数据挖掘通常用自适应软件来干预分析碎片化学习, 预测模型在建立自适应学习系统中扮演一个关键角色。基于预测模型的适应和干预, 能被用于改变学生下一次的学习体验, 甚至用于推荐额外的学术服务, 来支撑他们的学习。

总得说来, 教育数据挖掘建构模型主要回答下面问题:

一个特定的学生最有效的主题顺序是什么?

更多学习取决于什么样的学生?

什么学生行为表示满意、投入或学习进步?

什么功能的在线学习环境会带来更好的学习?

什么将预测学生学习成功?

原子模型:1.登陆:时间、IP;2.浏览:开始时间、结束时间;3.页面:上个页面。

事物模型:1.浏览:开始时间、结束时间、次数;2.习题作答:开始时间、结束时间、正确率;3.课程:时间、难度、方法。

判定模型:1.不利性:学习时间>1小时、学习次数>3次、作答的正确率<60%;2.一般性:0.5小时<学习时间<1小时、学习次数=2次、60%<作答的正确率<80%;3.有利性:学习时间<0.5小时、学习次数=1次、作答的正确率>80%。

2.2 模型比对

2.3 有效度判定

设定各个模型的有效度, 存储到数据库, 这样的有效度就是以后分析所占的比重值。有效度应该怎么设定:

F (X) 表示X上所有模糊集, X{x0-xi}表示过程集合, 模糊集A在点x∈X处的隶属度记A (x) , (1) 如果A⊂B, 则c (X, [0]) =0; (2) c (X, [0]) =0

3 结语

存在的不足:在有效性判定的设置上还不是最科学合理的。改进方向:通过设计一个反馈平台, 运用学生和教师的反馈来提高或降低有效性判定的权重。

参考文献

[1]张红云, 马垣.数据挖掘与决策支持系统的关系[J].鞍山师范学院学报, 2001 (3) .

[2]周腾.数据挖掘:数据仓库构架的拓展[J].电脑与信息技术, 2001 (2) .

浅谈数据收集的方法及特点 篇8

关键词：数据收集方法,特点,键入,扫描,导入

数据信息的收集是信息化建设的基础和核心,只有存储了大量数据信息,才能更好的实现信息的共享应用。而信息资源的收集涉及面宽、数量大、变化快,为了满足信息应用不断增大的需求,企业需要建立一套符合自己情况的信息收集方案、方法。现将数据收集的方法及特点进行归纳、介绍,希望能给他人以启迪和借鉴,同时也请各位同行、专家给予指正。

1 尚未电子化结构化数据的收集

尚未电子化的结构化数据是指目前依然存在于纸介质文件文档中的数据,主要是新产生的纸质的文件、报告和档案馆保存的历史档案、文件。需要按要求选择并录入计算机数据库。这类数据的录入基本上有两种方法。

1.1 编制数据录入程序直接把数据录入到数据库

由数据录入程序提供一个界面,让录入人员通过这个界面把数据录入到数据库中。一个优良的录入程序应当具备如下几个功能:

(1)录入界面中字段出现的次序及排列要与被录入数据出现的次序一致。避免录入人员不断的前后翻阅、查找数据,降低录入速度和效率。

(2)编程者要考虑录入数据的规律,尽可能提供数值选择,或通过下拉菜单、或通过栏目选择区,让录入者从中选取,避免出现不统一的简化名称、错别字、大小写等诸多差异。尤其是关键字段,像“井号、勘探项目、构造名称、地层名称”等等,一旦出现不同就会给今后的数据应用带来问题。比如:井号中的候/侯、霸/坝;一些选择有限,可以全部枚举清楚的字段也应当的给出候选池,比如:井别。这样简化录入人员的工作量。

(3)对有上下关联的数据记录可以将上条记录带入新录入记录,提供修改。比如:钻井液性能,钻时、井斜等数据,下一条记录和上一条记录有许多相同之处,在上条记录的基础上修改就能很快形成新纪录,给录入人员轻快感并减轻录入强度。

(4)数据的自我校正功能,每一学科的数据都有其内在的规律,相互联系、相互制约,利用这些规律,在录入人员提交数据的时候,计算机程序自动校对,及时提出疑问,让录入人员马上复查更正,会大大节约工时,提高数据的准确率。

(5)好的适应性,一旦数据表出现调整,不用编程人员参与,数据录入人员自己重新定制一下界面就解决问题。比如制作一个中间池,由使用人员自己定制所需字段和排列次序。这样也能及时调整程序编制时数据字段出现位置不当的问题,毕竟编程人员对数据的了解不及数据录人人员更熟悉。

编制数据录入程序的方法适用于数据还没有进入计算机,还没有以磁盘、光盘等介质保存。此方法特点是便于推广,培训任务小,数据质量易于保证,缺点是编程工作量较大。

1.2 将数据键入EXCEL表后再导入数据库中

鉴于微软OFFICE系统的普遍流行,将尚未录入计算机中的数据键入Excel表中,然后再编制相应程序将数据导入数据库就成了数据收集的一种方法。这种办法要求定义好EXCEL表格模板,每张表有几列,每列数据是什么格式,规定好数值型、文本型、日期型等等。

录入数据时可以利用EXCEL的自带函数,设置两张表中相对单元格中数据的自动对比,用不同颜色显示两张表的数据异同,从而实现两人同录相同的数据,提高数据录入质量。

该办法编程量小,在录入人员熟悉Excel的前提下,培训工作量小,适合大批量集中录入数据,但是要求录入人员有自律性,不能改动数据列的数据格式。

2 尚未电子化文档数据的收集

所谓尚未电子化文档数据就是纸介质的文字、图件等组成的文件、报告、设计书等。一般是来源于档案馆的历史数据,而新形成的报告,一般都是计算机录入、编辑、打印的,已经完成了电子化过程。纸介质文档的电子化一般有两种方法:其一是电子扫描,其二是手工键入。

2.1 手工录入文档数据

手工录入文档数据就是把文档逐字键入计算机中。其中的插图需扫描,为保证准确率,录入过程需要多次检查。

特点是:工作量大,差错率高且不易保持原貌,优点是文件格式可以设为.txt、.doc等,可以直接剪切、粘贴等编辑再利用。

2.2 电子扫描录入文档数据

是指将原始文档用扫描仪扫描下来,整理后保存。方法如下:

首先根据文档的幅面,B5、A4、A3选择扫描仪。颜色、分辨率也不是越高越好,经过试验,推荐:灰度模式、200DPI 、JPG格式,而后转成PDF格式保存。扫描好的文件在保持清楚的前提下,其大小也算适中,如果追求真彩色、高分辨率,其扫描文件会几何级数变大,不利于保存、管理和今后的查询调用。

文档、图形的扫描和处理流程图如图1所示。

文档扫描后需要:纠斜,对原始扫描件进行纠斜处理;拼接,对于插图等大幅面内容分开扫描再进行拼接;去噪、消蓝,去掉文档原稿中的蓝印,发黄等;填补缺失文字、表格,老的、陈旧的档案,经常出现字迹不清、纸质破残、内容缺失等情况需要有经验的专家进行补充处理。扫描处理的最终目标是:保持原貌,字迹、表格、图形能看清楚,不能出现错页、缺页。

特点是保持原样,工作量相对较小,缺点是PDF等类型的文件格式不能做剪切、粘贴等编辑再利用。如果改成.doc格式,则需要文字识别软件,失去保持原貌的优势,增加校对的工作量。

3 已电子化结构化的数据收集

计算机信息化发展到今天,每个单位都有应用系统在运行着。也就是说对工作对象进行描述的数据基本都已经进入计算机中,是电子化数据了。新建系统是对已有系统的整合或扩充,除新增数据需要录入,已有电子化数据只需导入即可。数据导入的前提是了解原库与目标库的结构,清楚两个数据库中的内容和格式,依据环境条件又分为几类:

3.1 数据库之间导入数据

就是说数据源是一个在用的数据库,不管他是oracle、Sybase、Access、Fox pro或其他类型,只要给出读取权限,主要任务就是了解其内容、结构,选取需要的表、字段。编程将数据读取过来,存入目标数据库中。因为数据在原库中就有确定的类型、长度及命名,所以只要不出现张冠李戴的程序错误,数据就会成功导入。

数据库之间的数据传导又分为一次性导入,和持续性导入。顾名思义,一次性导入属于把所有数据一次导到目标库,今后不再做导入工作。而持续性导入就是今后还会定期的做数据导入工作,这时程序就要设置触发点,要求根据具体情况设定手工执行,还是由计算机自动运行。自动运行需要设定每天还是每周的某个时刻开始由计算机自动运行导入程序,需要增加判断,判断哪些是新增加的、需要导入的数据,而那些已经有的老数据就不再导入了。

3.2 Excel表中数据的导入

就是将存在于Excel表中的数据导入指定的数据库中。考虑到Excel表中的数据有很大的随意性,即每个单元格的数据类型格式可以互不相同,不管是否同列、或同行,同一列中,上一单元格可能是数值型,下一单元格就可能是字符型,或者日期型,甚至会出现一个单元格中有两个数据,比如井段“××.×-××.×”。因为早先设计表时不可能考虑后期的数据传导,其表格就不会像新录数据一样设置统一、标准的模版,所以需要在数据导入前进行数据审查,人机联作,发现问题及时调整,直到每一列都统一成一个类型。其后的数据传导就是和数据库中数据的对接了。

如果不进行数据审查直接导入数据,程序运行中会经常报错,甚至将变形的数据导入数据库中,形成数据错误。审查数据应格外关注数值列出现字符,比如产量,平常是数值××吨,突然出现一个“少量”字符,等等。

4 已电子化文档数据的收集

电子化文档数据是指那些保存在磁盘、光盘等非纸介质的文件、图形。其格式多为.txt、.doc、.ppt、.pdf、.jpg等。他们的收集就是要编目,大致字段包括:标题、生成日期、简要介绍(关键字)、作者和文档本身来保存,以利于今后的查询和利用。

5 编程注意事项

数据收集是与企业结合最紧密的工作之一,所以要尽可能的方便使用者,企业的组织和工序在这变革的年代也是经常变动的,所以程序一定要灵活、可调整。为了程序更有生命力,编程语言应当选用企业维护者更熟悉的,方便企业人员自己修改、提升,也为工作交接提供方便。

海事大数据收集与利用方式研究 篇9

关键词：大数据,收集,利用,研究

“大数据”指的是超过常规存储级别的巨量数据资料, 通常要达到PB (1PB=1024TB) 或EB (1EB=1024PB) 乃至ZB (1ZB=1024EB) 级别。国际数据公司 (IDC) 的研究结果表明, 2008年全球产生的数据量为0.49ZB, 2009年的数据量为0.8ZB, 2010年增长为1.2ZB, 2011年的数量更是高达1.82ZB。而到2012年为止, 人类生产的所有印刷材料的数据量仅为200PB, 全人类历史上说过的所有话的数据量也只是5EB。预计到2020年, 全世界所产生的数据总量将达到今天的44倍。这就意味着, 未来的数据规模将远远超越现有IT架构和基础设施的承载能力, 实时性要求也将大大超越现有的计算能力, 人类社会即将步入“大数据时代”。

单纯的数据膨胀并不能带来任何直接效益, 但是在这些海量数据中, 有着对某一事件源自不同角度、不同认知方式、不同变化因素的记录, 大量的同类数据叠加分析便极有可能预示出该事件的变化规律, 利用专业数据处理方式, 从中加工提取有价值的信息资讯, 即可对事件变化趋势作出预判。大数据技术的战略意义即在于此, 在现代社会商业、经济及其他领域中, 决策将日益基于数据和分析而作出, 而并非基于经验和直觉。

目前世界上对大数据的研究利用已经取得了一定进展, 在某些领域也有不错的表现。在2014年巴西世界杯期间, 谷歌公司通过数据模型成功预测了世界杯8强每场比赛结果;2012美国大选中Nate Silver公司的大数据模型预测对了所有50个州的选举结果, 选举人票数和得票率都惊人地准确, 这些事例都充分展示了大数据与数学模型的魔力。

在未来的海事监管和航海保障服务工作中, 随着电子计算机、传感器、遥感卫星等信息化系统设备的不断增加, 数据的来源及获取方式变得更加多样化, 日常管理工作中会产生巨量的、离散的数据资料, 这些看似没有关联的信息通过加工提炼, 可以产生在某些方面具有一定价值的信息资源, 形成帮助海上交通参与者经营决策的积极资讯, 提高其对海洋和陆地环境变化趋势的预判, 使海事工作具有更强的决策力、洞察发现力和流程优化能力。

1 海事大数据内涵

大数据只是一个较为抽象的概念, 正如信息学领域大多数新兴概念, 大数据至今尚无确切、统一的定义。当前, 较为统一的认识是大数据有四个基本特征:数据规模大 (Volume) , 数据种类多 (Variety) , 数据要求处理速度快 (Velocity) , 数据价值密度低 (Value) , 即所谓的“四V”特性。这些特性使得大数据区别于传统的数据概念。大数据的概念与“海量数据”并不同, 后者只强调数据的量, 而大数据不仅用来描述大量的数据, 还更进一步指出数据的复杂形式、数据的快速时间特性以及对数据的分析、处理等专业化处理, 最终获得有价值信息的能力。

就海事监管与航海保障工作而言, 狭义上的大数据资源可以分为船舶基础数据、航标基础数据、海洋测绘数据和通信数据, 涵盖海事关键业务资源;而广义上的大数据概念则是指与海事活动相关的一切数据资源, 除关键业务资源外, 还包括管理者的一切公务活动、随时测量和传递有关位置、运动、震动、气象乃至潮流信息变化的传感器数据等。这些数据资源规模量大、数据格式种类多、要求处理及观测的速度快、具有很高的利用价值, 符合大数据“四V”特性。

本文着重就狭义上的海事大数据资源整合利用作探讨研究。

2 海事大数据收集方式研究

大数据的一个重要特点就是多样性, 这就意味着数据来源极其广泛, 数据类型极为繁杂, 这种复杂的数据环境给大数据的处理带来极大的挑战。要想处理大数据, 首先必须对所需数据源的数据进行抽取和集成, 从中提取出关系和实体, 经过关联和聚合之后采用统一定义的结构来存储这些数据。在数据集成和提取时需要对数据进行清洗, 保证数据质量及可信性。

由于大数据的运用已经突破了传统物理存储的概念, 动辄PB、EB级别的数据资源已经无法单纯依靠存储设备的增加来满足其需求, 这里就要用到“云”的概念。

所谓“云”, 就是借助网络上大量的分布式计算机来处理、存储、加工数据, 实现本地资源的对外开放共享和网络资源的获取利用。对于海事系统而言, 每一个行政单位区划或核心业务部门相对于自身可以称为“地端”, 相对于其他行政单位称为“云端”。“地端”负责提供本地的核心业务数据和外部接入方式, 并保证所辖数据更新的及时性和权威性;“云端”则根据工作需要, 带有明确指向性地从相关“地端”中抽取数据进行监测或加工处理, 形成自己需要的信息资源。正是云计算技术在数据存储、管理与分析等方面的支撑, 才使得大数据有用武之地。

具体来讲, 每个行政单位可以根据自身需要和保密等级对所辖业务划分1个或多个基础信息数据库, 即所谓“地端”。该“地端”作为内部核心数据平台, 存储本单位履行公共服务职责产生的公开数据, 如海事监管信息、船舶AIS信息、航标信息、海图信息等, 并保证相关数据的准确性和及时性。之后, 所有“地端”依托海事专网或者互联网对外提供准入接口, 供“云端”数据调取使用。同时为保证“地端”数据不被恶意篡改或删除, 还应对其设置相应的访问控制策略和使用权限, 使之符合工作需要。

基于“云存储”概念的海事大数据可以使任意“地端”通过合理的方式访问“云端”数据资源, 实现一定范围内数据资源的开放共享。条件允许的情况下, “云存储”甚至还可以拓展到与海事相关的更多单位部门, 如气象、搜救、海洋、海关、渔业、海警等部门, 实现更大范围内的联系互动和更多资源的共享利用, 满足多元化、多层次的用户需求。

3 建立海事大数据专业化处理机制

前文提到, 单纯的数据膨胀并不能带来直接效益, 大数据价值的完整体现需要多种技术的协同。文件系统提供最底层存储能力的支持。为了便于数据管理, 需要在文件系统之上建立数据库系统。通过索引等的构建, 对外提供高效的数据查询等常用功能。最终通过数据分析技术从数据库中的大数据提取出有益的知识。

海事大数据的利用可以分为两个方向, 一种是“地端”对“云端”的数据需求, 另一种是“云中心”对全局情况的掌控。下面结合二者所需不同的处理方式予以分别介绍。

3.1“地端”对“云端”的数据需求

建立大数据专业化处理机制, 常用的功能即是实现“地端”对“云端”数据的访问。以航标处为例, 作为“地端”的航标处, 本身掌握所辖区域航标的全部属性信息, 如航标位置、灯质、运行状态等数据, 如果单纯在这些数据基础上进行加工, 很难产生更多、有效的利用价值, 更谈不上对未来环境变化趋势的预判和为海上交通参与者提供积极资讯。但是如果借助“海事大数据”的“云端”访问获取到其他信息进行深度加工处理, 则可以实现拓展更多的利用空间。

比如, 航标位置数据与船舶AIS数据的互动。通过“云端”调取的AIS船舶信息可以清楚掌握船舶的航行轨迹, 用航标位置数据与船舶位置数据进行实时的匹配计算, 可以计算出船舶航线内与航标发生碰撞的可能性, 提早发出预警信号, 降低碰撞事故发生概率。再如, 传统的船舶安全管理工作更多地是通过规章制度以及现场经验等模式进行。海事人员可能会根据工作流程, 并结合时间、现场情况等因素决定是否对一艘到岗船舶实施检查, 这种方式受外界因素制约较大, 影响船舶安全查验的覆盖性和准确性。应用“大数据”专业化处理机制后, 很可能会产生一种新型的、基于风险等级的分类分级管理方式:由于每一条船舶的出厂信息以及在各个港口接受检验信息都能够以电子数据的形式存储在“地端”, 另一个地方的海事部门可以基于对“云端”的访问, 通过计算机系统对某一条船舶以往违章情况、安全检查情况、所属公司信息、证书等级、船舶种类、装载货物类别等数据综合分析后得出“客观判断”, 给予其划分“高风险”、“中风险”、“低风险”等级, 海事人员即可根据需要, 有针对性的对重点船舶进行安全检查, 使“大数据”成为海事监管的重要参考依据。

利用“地端”对“云端”的数据访问, 可以实现自身工作的科学化、精细化管理, 拓展和提高“地端”本身业务功能以及工作效率。这种方式可以由各单位自行设计平台流程, 通过不同的数据组合、不同情况的对比分析产生更多对自身有益的价值资讯。

3.2“云中心”对全局情况的掌控

大数据的另一种专业化处理方式即是通过建立“云中心”, 对所辖全部“地端”进行数据整合分析, 加强对全局情况的掌控。

例如, “云中心”可以从航标部门实时提取航标位置信息, 与测绘部门电子海图标注的航标位置信息以及通信部门播发的航行信息作对比分析, 由此判断相关部门是否及时履行公共服务职责。此外, 还可以通过建立每个“地端”关键业务数据完成情况和完成质量的量化考核指标, 由“云中心”综合计算得出每个“地端”的综合得分, 替代定期绩效考核和人工检查, 使工作量化考核更加标准、规范;“云中心”还可以立足更高的服务层面, 与国内国际上相关部门共享交换数据, 快速获取对自身有价值的参考信息并与“地端”共享, 拓展更多服务应用。

通过“云中心”处理机制, 不仅可以实现对所辖“地端”工作质量、工作流程的监督管理, 还可以突破数据资源限制, 实现“云中心”内部对不同层级间数据信息的获取, 建立更广泛的“云互联”, 这将使未来的信息资源得到更加充分合理的利用。

4 结语

当前, 国际国内对大数据的研究已经进入实质性阶段, 技术和手段日臻成熟, 海事监管和航海保障工作未来也不可避免地要经历大数据带来的冲击和挑战。开展海事大数据收集及利用方式研究, 是立足为用户提供多元化、多层次、多角度的服务, 更好地满足单位发展与用户需求二者之间的供需关系的一种有效实现途径, 对于提高单位发展质量、实现科学决策具有重要的现实意义。

参考文献

[1]马建光, 姜巍.大数据的概念、特征及其应用[J].国防科技, 2013, 34 (02) :10-17.

[2]孟小峰, 慈祥.大数据管理:概念、技术与挑战[J].计算机研究与发展, 2013, 50:146-169.

[3]王书伟.大数据时代政府部门间信息资源共享策略研究[D].吉林大学, 2013.

[4]李国杰, 程学旗.大数据的研究现状与未来思考[J].战略与决策研究, 2012, 10:58-63.

机电产品生命周期评价数据收集 篇10

关键词：机电产品,LCA,数据收集

1 引言

生命周期评价 (Life Cycle Assessment, LCA) 是对产品整个生命周期的所有环境影响进行科学、全面的评估, 以此来客观地评价和有效地改善产品的环境性能[1], 它是面向产品生命全过程实施环境管理的有力工具, 也是推行清洁生产、生态设计、绿色制造及制定相关环保政策的理论基础。一个完整的LCA一般包括目标界定、清单分析、影响分析和结果解释4个步骤, 其中清单分析中的数据收集是LCA定量化的开始, 也是整个评价步骤中工作量最大的一步[2]。对于结构复杂、零部件众多、使用寿命较长、回收率较高的机电产品而言, 数据收集工作更为耗时费力, 同时也比较缺乏专门针对该类产品LCA数据获取方面的分析指导。本文在阐述了机电产品全生命周期评价数据收集范围和对象的基础上, 分析讨论了产品生命周期生产、销售运输、使用、废弃回收各阶段的数据收集内容与方法。

2 数据收集范围和对象

一个完整的生命周期清单分析应涵盖所有与系统相关的输入与输出, 以达到量化评价的目的, 故其数据收集的范围与对象也需针对产品的全生命周期, 机电产品生命周期评价数据收集范围与对象见图1。数据收集范围包括产品全生命周期系统边界内从最初的能源与基础原材料生产到产品废弃回收的所有过程。调查对象涉及产品生产商、上游供应商在内的生产制造商、销售商与用户以及回收商。根据数据收集范围与对象, 需阶段性的进行数据收集。

3 数据收集内容与方法

3.1 生产阶段

3.1.1 企业现场生产

企业现场生产数据收集内容包括厂内自制部件生产与整机装配过程中的物耗、能耗、辅料消耗和环境排放数据, 与产品生产过程输入输出不直接相关的如建筑设施、生产设备的制造维修、员工生活等可排除。

能耗数据获取方法主要有:企业生产统计报表、能源统计报表、采购记录、物业账单、仪表读取、工程模型、化学计量、物料守恒等。对于机电产品而言产品物料表BOM (Bill of materials) 是不可或缺的数据来源, BOM表是一种将产品形态结构化表示的信息表, 涉及与LCA信息相关的物料项属性, 如产品零部件名称、规格型号、数量、材料、是否为外购零件等信息以及物料项之间的相关关系[3], 它还是计算机可以识别的信息表, 因此在LCA评价软件上实现对其直接读取能大大的简化手动录入物料数据的工作。排放数据可参照现场统计监控、环境监测报告、清洁生产审计报告等, 对欠缺和存疑的数据进行现场测量以保证较高的准确性。在尽量确保数据来源、统计口径、处理规则的一致性的情况下, 将所收集的数据计算成单位产品的输入输出数据。

此外企业生产现场数据收集时需要考虑以下因素:

(1) 产品合格率产品生产线收集的数据包括了不合格产品生产的消耗与排放, 需根据合格率修正成单位合格产品对应的消耗排放数据;

(2) 共线生产厂内一条产品组装线上可能存在不同型号产品共线组装的情况。若组装线只有电力消耗则无需分配, 因为每个产品经过每个组装工序的时间相同故耗电相同;若还涉及其他原辅料投入, 则需单独调查所评价产品的实际消耗;

(3) 多工序生产车间因有自制件生产, 可能涉及较多的工序, 往往各工序对应各类生产工艺。在数据可得的情况下, 应按照产品的生产工序或不同工艺进行数据收集, 便于以后做工艺改进分析[4];

(4) 厂内回收利用机电产品生产过程中诸如冷却水与部分边角预料会在厂内循环利用, 需详细记录, 并考虑是否需要根据循环次数分摊比例。

3.1.2 外购物料生产

由于机电产品涉及较多的外协外购零部件与原辅料, 其重要部件与原料生产过程的能耗与排放不能被忽略, 需要供应商协助完成调查。但由于供应链上有诸多不同层级的供应商, 调查难度较大, 因此根据外购物料重量为判断依据, 对占产品比重较大的物料进行调查。因供应商分散在各地, 对于外购物料生产的数据的获取方法不能都深入供应商企业进行现场调查, 一般使用邮件、电话、数据调查表等调查方式, 效率较低易出错, 随着LCA研究的不断深入与商业化发展, LCA软件开发商已经开始简化供应商数据调查, 如德国Think step团队已发布了在线的供应链数据收集工具, 国内亿科环境有限公司已将整个LCA工作互联网化, 实现了在线的生命周期评价, 这些进步无疑使得数据收集工作更加高效。

3.1.3 能源与基础原材料生产

能源与基础原材料生产数据一般直接从LCA数据库中获取, 极大降低了数据收集的工作量。国内外常见的LCA数据库见表1, 这些数据库往往集成在LCA软件中, 方便用户直接选择与计算。在数据库中选取数据集时需选取与调查对象的实际时间、空间、技术代表性相符的背景数据, 且保证选取的背景数据应覆盖从资源开采到该能源或原材料产品出厂为止。

3.2 销售运输阶段

产品销售运输阶段是从产品出厂到用户的运输过程, 数据收集内容包括:运输毛重、运输距离、运输工具类型、载重及燃油类型、运输目的地及其份额。若多个目的地, 根据公式 (1) 求出平均距离。运输数据主要来源于产品销售部门、合作物流公司。在产品在销售过程中, 其用户到附近卖场与用户到回收集散点的距离往往难以统计, 可忽略[5]。

式中Save表示平均运输距离, Si表示产品第i个目的地的运输距离, Qi表示第i个目的地的运输份额。以上内容也同样适用于原材料、物料运输与废弃回收运输。

3.3 使用阶段

机电产品在使用阶段的数据收集内容主要包括使用寿命, 为满足使用功能所消耗的如电力、柴油、汽油等能源, 在维护维修过程中零部件、元器件更换, 如润滑油、制冷剂等辅料的添加和相应的排放数据等。对于类似于数控机床等机械设备, 其工作阶段的能耗调查取决于目标产品的研究目的, 若要知晓设备的能耗改进方案等, 则需调查使用阶段能耗, 若评价结果应用范围仅限于生产设备的企业, 则无需将使用阶段电耗计算在内, 因为其能耗影响归于该设备上产出的产品。

使用阶段的数据较少直接从用户获取数据, 由于该类数据属于产品特征数据, 可以参考产品设计资料, 行业统计、长期的用户反馈等。需注意某些机电产品在不同时间段的工作情况差别较大, 典型的如空调、冰箱等产品, 不同季节压缩机工作时长不一导致耗能不同, 故应分情况收集数据。另外在使用过程中一些产品还会产生如电磁辐射、噪声等影响, 在数据可得或可统计的情况下建议一并收集。

3.4 废弃回收阶段

机电产品是回收率较高的产品, 回收后一般会对其拆解, 部分零部件还可以再利用或再制造, 也有很大一部分会经过破碎及后续多重工艺变成再生铜、再生铝、再生塑料等。另外对于没有利用价值的部分以焚烧、填满等形式处理。

数据收集内容包括:产品回收率、拆解过程的消耗与排放数据、再利用再生过程的投入排放、待处置废弃物处置方式及处置比例。产品回收率可根据行业统计或者相似产品的回收率代替, 但研究者在对该类产品进行生命周期评价时通常假设评价对象是100% 被回收[5]。数据获取的主要方式是对典型回收商企业的回收拆解及再生现场做调查, 可以参照回收企业的生产统计、能耗统计、监测报告等资料。

4 结语

本文论述了机电产品生命周期各阶段的数据收集内容与获取方法, 对该类产品LCA数据收集工作有一定参考价值。随着国内外LCA的不断发展, 数据收集乃至整个LCA工作正逐步转移到在线的系统软件中, 如何实现全面的在线数据收集与评价将成为新的研究热点。

参考文献

[1]ISO.ISO14040:International Standards:Environmental management-Life cycle assessment-Principles and frameworks[S].Geneva:ISO, 2006.

[2]戴宏民, 戴佩华.LCA数据清单分析研究[J].包装工程, 2003, 24 (4) :10~12.

[3]刘小龙, 田锡天, 张振明, 等.产品生命周期过程中的BOM演进与系统集成[J].制造业自动化, 2009, 31 (10) :27~31.

[4]张亚平, 路平, 邓南圣.生命周期评价软件系统平台的模块设计与实现[J].漳州师范学院学报 (自然科学版) , 2005, 18 (2) :51~55.

[5]张建普.电冰箱全生命周期环境影响评价研究[D].上海:上海交通大学, 2010.[6〗刘继永.机电产品全生命周期评价系统的研究[J].机电产品研究开发与创新, 2014 (6) .

[7]张秀棉, 殷安琪.机电产品全生命周期的绿色设计[J].轻工机械, 2004 (1) .

[8]王晓伟, 李剑峰, 李方义, 等.机电产品生命周期评价指标与量化方法研究[J].山东大学学报, 2009 (5) .