印染行业具有用水量大、排放废水多、污染物质成分复杂等特点[1]。其中行业中占比较大的棉针织印染具有间歇式生产、产品种类多、工艺过程复杂等特点[2],是行业中水的高效利用最具挑战的生产部门。在棉针织印染生产中,不同订单 (产品) 的生产顺序决定了生产效率与用水要求,同时生产过程废水的排放规律更是随着订单 (也即不同批次产品) 的变化而变化[3],这些使得印染生产过程中水的高效利用难度增大。
实时数据库系统为企业的生产调度和废水控制提供技术手段[4],结合生产订单优化调度和清、浊废水分质收集、回用,可以实现印染废水的减排。
利用数据库管理系统可以实时收集、存储生产数据,为生产的调度系统提供支持,提高生产效率、降低成本。矿山卡车调度系统[5]、智能电网调度[6]、互联网云计算[7-8]等都体现出生产调度对数据库的依赖性。在环保领域,利用数据库对废水中重金属污染的排放进行管理和监控[9],对被污染的棕色地块建立数据库并进行管理[10-11],对农业面源污染控制[12]及其他非点源污染控制[13]等。与此同时,随着水环境污染面临的严峻挑战,采用数据库对废水进行分析与控制也日益得到人们的重视[14]。
但是在企业生产中,基于清、浊分流 (分质收集、排放) 的废水回用技术都缺少定量的指标及快速的自动分配及切换系统,只有根据生产经验的手动废水排放调度系统,没有针对类似棉针织印染生产的废水排放特点的数据库及调度系统。因此,研究有针对性的生产数据库从而实现对生产过程中的各种参数进行实时监控及控制才能针对不同的工况采用合适的废水处理工艺既满足排放要求又减少不必要的废水处理成本。
本文在建立针织印染企业数据库管理系统的基础上,针对实际生产情况,研究采用废水分质回用的方法,同时基于数据库的优化调度方法实现印染废水的源头控制。
1 数据库系统的构建 1.1 需求分析 1.1.1 水污染控制及水资源节约的需求采用间歇式生产工艺的棉针织印染企业,生产过程各阶段排放废水的污染物质种类及其浓度都各不相同,既要考虑满足生产用水的供需平衡,同时还要考虑废水排放及再生水回用的要求。目前印染废水的处理工艺很多[15],为保证可靠的水处理结果,企业需要结合实际运行参数进行工艺修正。尤其是对采用间歇式生产工艺进行针织类织物的染色企业需要对染缸的每一道排水进行精确的管理。一方面需要选择性的回收废水中的热量,另一方面需要对不同污染程度的废水依据一定的回用标准进行分质回用。这样既满足环境保护的需要,又能对生产过程的水耗、能耗及其他物质消耗进行严格控制、分类回收,做到生产效益与环境保护的协调统一。
1.1.2 精细化管理与废水调度的需求采用间歇式印染工艺的针织印染企业机械设备种类多样、订单数量多、生产工艺变化大、人员流动性高以及环保要求高且管理人员常常需要对数据库进行远程监管及控制,尤其针织印染企业目前对产品质量进行严格控制,多采用关键绩效指标对员工生产的全过程进行考核,为满足如此多样化管理的需求,数据库提供了管理的技术手段。
针对棉针织印染企业特有的间歇式生产方式,订单的生产顺序不仅决定了生产设备和时间安排,更决定了生产过程中的各种消耗,还决定了生产废水的排放及污染程度的规律。因此,从生产的历史数据中获取规律性以指导企业的生产已成为信息化建设新的发展方向[16]。对于高污染浓度的印染废水 (即浊废水) 需要分离并单独处理,处理后废水再根据其水质情况进行回用或排放;对于污染程度较低的清废水,可以进行就地回用。因此,企业管理者需要对间歇生产中每一工序废水进行数据采集及分析来确定后续的处理及回用工艺。如果将印染废水按照不同水质进行分别处理,将会减少混合废水的处理量,同时节约处理成本、缩短处理时间,也能增加再生水的回用,减少水资源消耗。
图 1是一家典型棉针织印染企业废水的排放特征。可以看出,废水的水量、水质、水温都呈现剧烈变化,其原因是生产不同订单采用的工艺、染料、助剂等导致废水污染物质剧烈变化,同时外界温度的变化也直接影响废水的温度等,直接决定生化反应池的降解效果。
如果采用适当的方法分别进行回收利用,即根据水质进行清浊分流调度,既可以实现清废水的就地回用,提高水的利用效率同时由于浊废水有机物浓度高,又可以借助水温高的特点进行废水厌氧处理,降低废水处理的能耗。
1.2 数据库设计 1.2.1 数据库框架本文的数据库系统是根据实际生产需要,将数据采集系统采集到的数据进行分类、整理从而建立各个子数据库,各个子数据库之间的关系采用实体关系图 (entity relationship diagram,E-R图) 进行概念描述,并对数据挖掘系统、数据库各子系统、优化调度系统进行整合,以求达到针织印染废水源头控制的目标。
该数据库根据企业实际情况包括产前、生产过程和废水排放数据库等。数据挖掘系统建立在企业原有信息采集系统之上,通过以太网、无线网连接至服务器。具体的数据库系统如图 2所示。
整个数据库系统在以服务器为核心的数据库管理系统的统一协调下,通过对各项生产数据的分析进行合理的优化调度实现废水减排和污染物控制。其中,数据库系统是枢纽,为企业管理和生产调度系统提供技术支持。通过建立企业目标函数优先级制度,实现企业生产效率、成本控制和污染物排放的良好结合,从而提高企业竞争力。
1.2.2 数据设计数据库设计是指在给定的环境条件下,根据企业实际需求,对数据库进行逻辑与物理设计并构造恰当数据库模式,最后建立数据库及相应管理系统的过程。数据集被采集后,从中发现对生产有用的、有一定规律性的信息的过程称为数据挖掘。通过数据挖掘可以从海量数据中获取企业需要的信息,从而为企业创造更多的价值,对企业的发展至关重要。
通过对历史数据的分析可以发现企业生产规律包括订单变化、生产消耗、废水排放特征、利润变化等,可以很好地对生产进行指导和对生产要素进行预测。利用数据库系统对生产进行实时监控,不仅可以控制产品质量、节约生产成本,还可以实现对排放废水指标进行监控与预警。
1.3 优化调度系统 1.3.1 调度目标针织印染企业的首要目标是在完成订单交货期的前提下压缩生产成本、提高生产效率,其次是在生产定额指标下减少各种消耗。针织印染企业的订单通常数量多、单个订单产量小、订单织物及颜色变化大,给企业的生产安排带来较大困难。因此,需要采用订单优化调度减少不必要的用水,同时通过对排放废水进行调度,采用废水分质回用技术减少废水的水质波动并通过提高废水的回用率来实现。
1.3.2 软件实现本研究的数据库系统采用SQL Server 2012,该系统具有使用方便、与相关软件集成程度高等优点,可在多种大型服务器平台使用。订单优化调度系统运用Matlab 2010.b作为平台,优化调度算法采用遗传算法,在满足订单交货期的前提下,订单颜色和深度作为第一目标函数,废水排放量最小化和水质波动最小化作为第二目标函数进行建模。直接调用Matlab 2010.b自带函数库中的基本遗传算法进行多目标优化求解。
2 案例研究 2.1 生产背景本文研究对象为江苏某典型棉针织印染企业,该企业年产量为30 000 t织物。现以一个生产车间某日全部共20个生产订单为例。其中,订单货物总重量23.3 t,订单详细信息如表 1所示。染缸采用溢流染色缸,单个订单生产时间为10~12 h不等,浴比 (织物与用水量的比值) 根据不同织物类型有所不同,一般在1:8~1:10之间。生产过程中需要12~15道进水、排水,生产t织物产品耗水120 t,理论上新鲜水需求量为2 796 t。
编号 | 重量/kg | 交货期 | 颜色 | 色深 | 织物种类 |
N1 | 600 | 2016-06-02 | R | 浅 | 32S/1棉30D莱卡 |
N2 | 700 | 2016-06-03 | R | 浅 | 32S/1棉30D莱卡 |
… | … | … | … | … | … |
N19 | 800 | 2016-06-05 | Y | 中 | 30S/1精梳棉 |
N20 | 1 000 | 2016-06-08 | Y | 深 | 40S/1棉20D氨纶 |
企业原有废水处理工艺是将全部废水直接排入综合调节池进行水质水量调节,然后进入生化处理单元进行降解处理,未对废水进行分质回收利用,且未对废水中的热能进行有效利用。在夏季高温期间需要采用对流冷却塔对高温废水进行降温处理,能耗较大。因此,在对废水分质回用的时候也需要考虑排水过程废水的热能回收。
2.2 废水分质回用针对棉针织印染工艺间歇生产工艺排放废水水质、水量变化大的特点,初始设定每次排放的废水监测水质指标为CODCr、总溶解固体 (total dissolved solids,TDS)、浊度、色度、电导率等参数,并以此做为废水分质回收依据。而TDS和电导率线性相关,浊度与CODCr线性相关。因此,综合考虑选择CODCr、电导率作为监测指标,数据库管理系统根据数据采集系统监测到的数据变化对电磁阀发出指令来切换通路。最终实现直接回用、轻度处理后回用、深度处理后排放3条废水分质回用线路,充分提高废水利用效率并降低废水处理成本。具体废水分质处理与回用系统如图 3所示。
数据库管理系统通过对现场数据采集系统传来的数据进行检测、存储、分类,再将数据传输给生产调度系统。而生产调度系统调用优化函数对生产数据进行计算得出最优废水回用及排放策略,并对数据库管理系统发出指令。数据库管理系统得到指令后对多通道分离器的不同通道上的可编程控制器 (PLC) 发出指令来控制电磁阀的开关以实现废水的调度。一般情况下CODCr≤125 mg/L,可以直接回用;CODCr≤750 mg/L,可以排入清废水池进行处理后回用;CODCr≥3 000 mg/L的浊废水直接排入调节池进行水质水量调节后,进行生物处理,达标后排放。
2.3 废水调度结果 2.3.1 节水效果分析典型的针织印染采用间歇式溢流染缸进行生产,具有染缸相互独立、排放废水水质及水量波动较大等特点。图 4是对某典型针织印染企业排放废水的CODCr浓度进行分质回用的水网络图。其中新鲜进水采用园区市政自来水,经过软化工艺制成软水后供车间使用。对水质要求较高的工艺过程需要直接用新鲜软水,主要包括染色工艺、洗缸工艺和漂洗后段工艺。而对于水质要求不高的煮炼、丝光及漂洗前端过程则可以用水质较差的回用水。其余工艺则可以用水质较好的回用水进行生产。对于水质较好的废水 (CODCr≤750 mg/L),如漂洗前段废水及订单切换的洗缸水可以直接排入清废水调节池。对于水质较差的浊废水 (CODCr≥3 000 mg/L),如煮炼废水、染色废水需要排入废水调节池。
为调节各个染缸间歇排水与用水之间的矛盾,需要一个中间储罐对水质较好的回用水进行存储,具体储罐大小需要根据企业生产量确定,本文中储罐一天流量为1 637.7 t/d,考虑到各个染缸实时用水的不均匀性的抵消,该储罐需要保持4 h的回用水储量,因此设计储罐容量为272.95 t,考虑安全系数的实际储罐容量为300 t,在实际应用中可以用空置的水池代替。根据水资源逐级利用的原则,最终的废水分为清废水与浊废水,并分别排放至调节池进行调节,然后进入后续废水处理工艺进行处理。
如表 2所示,未分质回用时原总需水量为3 686.7 t,采用废水分质回用时总需水量为3 345.5 t,除去中间水回用量 (即直接回用水量)1 086.4 t,则实际需水量为2 259.1 t,同比减少38.72%。而浊废水和清废水的总排放量分别减少43.16%和32.03%。但是从调度结果也可以看出,采用分质回用后,浊废水的CODCr浓度从原来的2 166.8 mg/L增加到了3 250.7 mg/L,增长50.02%。与此同时,浊废水的CODCr浓度从原来的277.5 mg/L增加到了735.9 mg/L,增长165.19%。不论清废水或是浊废水,其CODCr浓度都有大幅度的上升,因此需要额外增加处理成本。
废水类型 | 未分质回用 | 分质回用 | |||||
污染物总量/(kg·d-1) | 水量/(t·d-1) | CODCr /(mg·L-1) | 污染物总量/(kg·d-1) | 水量/(t·d-1) | CODCr /(mg·L-1) | ||
浊废水 | 4 805.5 | 2 217.8 | 2 166.8 | 4 097.9 | 1 260.7 | 3 250.7 | |
清废水 | 407.6 | 1 468.9 | 277.5 | 985.9 | 998.4 | 735.9 | |
可直接回用 | — | — | — | 129.3 | 1 086.4 | 119.0 |
2.3.2 经济效益分析
采用废水分质回用不仅可以减少排放外管的废水纳管费用,而且可以减少企业对自来水的需求。虽然处理废水的浓度有所上升,单位废水的处理成本有所上升,但是由于处理废水量减少,总的处理成本也减少。具体的废水分质回用效益情况见表 3。
项目 | 未分质回用 | 分质回用 | |||||||
浊废水 | 清废水 | 1外排废水 | 自来水 | 浊废水 | 清废水 | 外排废水 | 自来水 | ||
数量/t | 2 217.8 | 1 468.9 | 3 099.1 | 3 099.1 | 1 260.7 | 998.4 | 1 859.7 | 1 859.7 | |
2成本单价/(元·t-1) | 1.0 | 0.8 | 1.1 | 3.2 | 1.3 | 1.0 | 1.1 | 3.2 | |
项目总价/元 | 2 217.8 | 1 175.1 | 3 409.1 | 9 855.3 | 1 638.9 | 998.4 | 2 045.7 | 5 914.0 | |
合计/元 | 16 657.2 | 10 597.0 | |||||||
注:1表示企业对处理后的清废水实行40%回用从而减少自来水用量;2表示“成本单价”为2015年研究案例所在企业的实际发生的价格统计。 |
由表 3可知,采用分质回用技术比不采用的情况减少自来水消耗及外排废水1 239.4 t,按现行水价估算,减少自来水及外排废水节约成本6 060.242元。本次生产订单共23.3 t,因此每t订单可节约自来水53.19 t,每t节约成本260.10元。该企业年生产量为30 000 t织物,一共可以节约1 595 700 t自来水及废水排放,节约成本780.29万元。
3 结论通过对采用废水分质回用的情况与不采用分质回用的进行对比,可以看出,废水分质回用在针织印染企业废水源头控制具有显著的节水效益与广阔的应用前景。本文得到以下结论:
1) 针对实际生产情况,建立了针织印染企业数据库管理系统,包括产前、生产过程和废水排放数据库,同时建立企业目标函数优先级制度,实现企业生产效率、成本控制和污染物排故的有机统一;
2) 选择CODCr、电导率作为监测指标,基于数据库的优化调度方法,实现了印染废水的源头控制和废水分质回用;
3) 在案例研究中,废水分质回用方法可以减少38.72%的生产用水,其中浊废水和清废水的总排放量分别减少43.16%和32.03%。典型的针织印染企业可以实现年节约1 595 700万t水资源,节约成本780.29万元,环境效益和经济效益显著。
[1] | Verma A, Dash R, Bhunia P. A review on chemical coagulation/flocculation technologies for removal of colour from textile wastewaters[J]. Journal of Environmental Management, 2012, 93(1): 154–168. DOI:10.1016/j.jenvman.2011.09.012 |
[2] | Babu B, Parande A, Raghu S. An overview of wastes produced during cotton textile processing and effluent treatment methods[J]. The Journal of Cotton Science, 2007, 11(1): 110–122. |
[3] | JIANG Wei, YUAN Zengwei, BI Jun, et al. Conserving water by optimizing production schedules in the dyeing industry[J]. Journal of Cleaner Production, 2010, 18(16): 1696–1702. |
[4] | 翟明玉, 王瑾, 吴庆曦, 等. 电网调度广域分布式实时数据库系统体系架构和关键技术[J]. 电力系统自动化, 2013, 37(2): 67–71. ZHAI Mingyu, WANG Jin, WU Qingxi, et al. System architecture and key technology of power grid dispatching wide-area distributed real-time database[J]. Automation of Electric Power Systems, 2013, 37(2): 67–71. (in Chinese) |
[5] | 杜久升, 王莉, 侯争, 等. 露天矿卡车调度系统数据库设计与实现[J]. 金属矿山, 2015(9): 105–111. DU Jiusheng, WANG Li, HOU Zheng, et al. Design and realization of database for open-pit truck dispatching system[J]. Metal Mine, 2015(9): 105–111. (in Chinese) |
[6] | 彭晖, 陶洪铸, 严亚勤, 等. 智能电网调度控制系统数据库管理技术[J]. 电力系统自动化, 2015, 39(1): 19–25. PENG Hui, TAO Hongzhu, YAN Yaqin, et al. Database management technology of the smart grid scheduling control system[J]. Automation of Electric Power Systems, 2015, 39(1): 19–25. (in Chinese) |
[7] | 林子雨, 赖永炫, 林琛, 等. 云数据库研究[J]. 软件学报, 2012, 25(5): 1148–1166. LIN Ziyu, LAI Yongxuan, LIN Chen, et al. Research on cloud databases[J]. Journal of Software, 2012, 25(5): 1148–1166. (in Chinese) |
[8] | 郭晴, 杨海霞, 刘永泰. 云计算环境下的复杂数据库并行调度模型仿真[J]. 计算机仿真, 2015, 32(6): 360–363. GUO Qing, YANG Haixia, LIU Yongtai. Simulation of parallel scheduling for complex database under cloud computing environment[J]. Computer Simulation, 2015, 32(6): 360–363. (in Chinese) |
[9] | 妙旭华, 包理群, 曹博. Memcache在涉重金属污染数据库系统开发中的应用[J]. 自动化与仪器仪表, 2014(6): 137–139. MIAO Xuhua, BAO Liqun, CAO Bo. The application of Memcache on heavy metal pollution database system development[J]. Automation & Instrumentation, 2014(6): 137–139. (in Chinese) |
[10] | 余勤飞, 侯红, 许亚飞, 等. 基于数据库的污染场地流程管理初步设计[J]. 环境污染与防治, 2013, 35(8): 39–44. YU Qinfei, HOU Hong, XU Yafei, et al. The preliminary design of process management of contaminated sites based on database[J]. Environmental Pollution & Control, 2013, 35(8): 39–44. (in Chinese) |
[11] | 许亚飞, 余勤飞, 毕如田, 等. 发达国家污染场地数据库系统建设及其对我国的借鉴[J]. 环境工程技术学报, 2013, 3(5): 458–464. XU Yafei, YU Qinfei, BI Rutian, et al. Overview of contaminated sites database system construction in developed countries and the revelation to China[J]. Journal of Environmental Engineering Technology, 2013, 3(5): 458–464. (in Chinese) |
[12] | 耿润哲, 王晓燕, 段淑怀, 等. 基于数据库的农业非点源污染最佳管理措施效率评估工具构建[J]. 环境科学学报, 2013, 33(12): 3292–3300. GENG Runzhe, WANG Xiaoyan, DUAN Shuhuai, et al. A tool for estimating best management practices effectiveness for agricultural non-point source pollution control based on the MS ACCESS[J]. Acta Scientiae Circumstantiae, 2013, 33(12): 3292–3300. (in Chinese) |
[13] | 王慧亮, 李叙勇, 解莹. 基于数据库支持的非点源污染模型LSPC及其应用[J]. 环境科学与技术, 2011, 34(12): 206–211. WANG Huiliang, LI Xuyong, XIE Ying. Application of LSPC-A non-point source pollution model based on a database supporting architecture[J]. Environmental Science & Technology, 2011, 34(12): 206–211. (in Chinese) |
[14] | Müller A, Schulz W, Ruck W, et al. A new approach to data evaluation in the non-target screening of organic trace substances in water analysis[J]. Chemosphere, 2011, 85(8): 1211–1219. DOI:10.1016/j.chemosphere.2011.07.009 |
[15] | Fernández C, Larrechi M, Callao M. An analytical overview of processes for removing organic dyes from wastewater effluents[J]. TrAC Trends in Analytical Chemistry, 2010, 29(10): 1202–1211. DOI:10.1016/j.trac.2010.07.011 |
[16] | 崔跃生, 张勇, 曾春, 等. 数据库物理结构优化技术[J]. 软件学报, 2013, 24(4): 761–780. CUI Yuesheng, ZHANG Yong, ZENG Chun, et al. Database physical structure optimization technology[J]. Journal of Software, 2013, 24(4): 761–780. (in Chinese) |