(研)自動(dòng)化車床管理(含代碼程序)-供參考

1、自動(dòng)化車床管理摘要：本文主要討論的是自動(dòng)化車床管理中連續(xù)加工零件工序中的最優(yōu)策略問題。在現(xiàn)代技術(shù)下，被動(dòng)地等待故障發(fā)生，然后投入較高資金處理出現(xiàn)的問題，這種傳統(tǒng)的處理方法已經(jīng)不符合工業(yè)生產(chǎn)和現(xiàn)代社會(huì)的發(fā)展要求。由于衡量這個(gè)策略好壞的標(biāo)準(zhǔn)是生產(chǎn)該產(chǎn)品的效益，因此能否制定出一個(gè)合適的檢查間隔和刀具更換策略是我們解決這個(gè)問題的關(guān)鍵所在，為此我們分別建立了三個(gè)最優(yōu)化模型。針對(duì)問題一：我們通過對(duì)所給數(shù)據(jù)的處理，判定刀具的生產(chǎn)產(chǎn)品壽命近似服從正態(tài)分布函數(shù)。建立了刀具更換間隔內(nèi)，單個(gè)合格產(chǎn)品的最小期望損失費(fèi)用的目標(biāo)函數(shù)；在一個(gè)刀具更換周期內(nèi)，分別計(jì)算產(chǎn)品檢查費(fèi)、不合格產(chǎn)品損失費(fèi)、故障排除費(fèi)，然后將總費(fèi)用除以

2、此此刀具更換周期內(nèi)生產(chǎn)的合格零件總數(shù)，即可得到每個(gè)合格零件的平均費(fèi)用。最后我們用Matlab編程求出了當(dāng)零件檢查的間隔70，刀具更換間隔內(nèi)檢查的次數(shù)8和刀具的更換間隔520時(shí)，得出的每個(gè)零件的平均損失費(fèi)用最小值為2.68。針對(duì)問題二：為了使模型得以簡化，我們令刀具更換周期為檢查周期的整數(shù)倍。我們把它分為故障發(fā)生在刀具更換間隔之后和刀具更換間隔之前兩種情況。而分析問題二時(shí)可以在問一的基礎(chǔ)上重點(diǎn)分析誤檢和漏檢的情況。對(duì)此建立單值目標(biāo)函數(shù)最優(yōu)化模型，以平均合格零件的最小期望損失費(fèi)用作為目標(biāo)函數(shù)，由約束條件表達(dá)式并借用matlab編程求解當(dāng)零件檢查的間隔60，刀具更換間隔內(nèi)檢查的次數(shù)9和刀具的更換間隔

3、540時(shí)，得出的每個(gè)零件的平均損失費(fèi)用最小值為5.6。對(duì)于問題三：針對(duì)問題三：在問題二最優(yōu)解的基礎(chǔ)上，選定與模型二相同的刀具更換周期和檢查周期，這樣就使得在檢查相同零件的情況下，檢查費(fèi)用相同，從而控制了這個(gè)變量的影響，故障排除費(fèi)用與零件損失費(fèi)用都是與損壞零件個(gè)數(shù)成正比。在檢查產(chǎn)品的過程中，我們實(shí)行對(duì)產(chǎn)品實(shí)行連續(xù)檢查的方法，這樣雖然增加了檢查費(fèi)用，但大大降低了誤檢和漏檢造成的損失。同樣采用了模型二的目標(biāo)函數(shù)，在問題二的基礎(chǔ)上增加了相應(yīng)的約束條件，最后通過Matlab編程求解在與問題二同樣換刀具間隔和檢查間隔的條件下，得出了每個(gè)合格零件的平均期望損失費(fèi)用為4.73元，從而對(duì)模型二進(jìn)行了優(yōu)化。關(guān)鍵詞

4、：正態(tài)分布 離散型隨機(jī)事件優(yōu)化模型 概率理論 擬合優(yōu)度 窮舉法 問題重述 一道工序用自動(dòng)化車床連續(xù)加工某種零件，由于刀具損壞等原因該工序會(huì)出現(xiàn)故障，其中刀具損壞故障占90%，其它故障僅占10%。工序出現(xiàn)故障是完全隨機(jī)的，假定在生產(chǎn)任一零件時(shí)出現(xiàn)故障的機(jī)會(huì)均相同。工作人員通過檢查零件來確定工序是否出現(xiàn)故障?，F(xiàn)積累有150次刀具故障記錄，故障出現(xiàn)時(shí)該刀具完成的零件數(shù)如附表?，F(xiàn)計(jì)劃在刀具加工一定件數(shù)后定期更換新刀具。已知生產(chǎn)工序的費(fèi)用參數(shù)如下：故障時(shí)產(chǎn)生的零件損失費(fèi)用f=300元/件；進(jìn)行檢查的費(fèi)用t=20元/次；發(fā)現(xiàn)故障進(jìn)行調(diào)節(jié)使恢復(fù)正常的平均費(fèi)用d=3000元/次（包括刀具費(fèi)）；未發(fā)現(xiàn)故障時(shí)更換

5、一把新刀具的費(fèi)用k=1200元/次。1）假定工序故障時(shí)產(chǎn)出的零件均為不合格品，正常時(shí)產(chǎn)出的零件均為合格品，試對(duì)該工序設(shè)計(jì)效益最好的檢查間隔（生產(chǎn)多少零件檢查一次）和刀具更換策略。2）如果該工序正常時(shí)產(chǎn)出的零件不全是合格品，有1%為不合格品；而工序故障時(shí)產(chǎn)出的零件有25%為合格品，75%為不合格品。工序正常而誤認(rèn)有故障停機(jī)產(chǎn)生的損失費(fèi)用為1500元/次。對(duì)該工序設(shè)計(jì)效益最好的檢查間隔和刀具更換策略。3） 在2）的情況，可否改進(jìn)檢查方式獲得更高的效益。問題假設(shè)1.在生產(chǎn)任一零件時(shí)出現(xiàn)故障的機(jī)會(huì)均相同。2.生產(chǎn)剛啟動(dòng)時(shí)使用的刀具都是新的。3.工序故障時(shí)產(chǎn)出的零件均為不合格品，正常時(shí)產(chǎn)出的零件均為合格

6、品。4.工序正常時(shí)產(chǎn)出的零件不全是合格品，有1%為不合格品。5.工序故障時(shí)產(chǎn)出的零件有25%為合格品，75%為不合格品。6.其它故障所占的10%在理論概率模型計(jì)算中，不予以考慮。7.每次檢查只針對(duì)一個(gè)零件。8.生產(chǎn)任一零件時(shí)所需時(shí)間相同。 符號(hào)說明符號(hào)說明故障時(shí)產(chǎn)生的零件損失費(fèi)用300元/件檢查的費(fèi)用20元/次發(fā)現(xiàn)故障進(jìn)行調(diào)節(jié)使恢復(fù)正常的平均費(fèi)用3000元/次未發(fā)現(xiàn)故障時(shí)更換一把新刀具的費(fèi)用1200元/次刀具平均壽命樣本方差誤認(rèn)有故障停機(jī)產(chǎn)生的損失費(fèi)用為1500元/次檢查零件的單位時(shí)間間隔定期換刀的單位時(shí)間間隔每個(gè)零件的平均最小損失費(fèi)用為系統(tǒng)的失效概率密度累積失效概率密度，即壽命分布函數(shù)一次換

7、刀前未出現(xiàn)故障的過程的檢查次數(shù)包括故障后的那次檢查的故障前所有檢查次數(shù)的和換刀間隔T尚未出現(xiàn)故障時(shí)一次更新所消耗費(fèi)用故障發(fā)生在換刀之前更新過程所消耗的費(fèi)用換刀前未出現(xiàn)故障的情況下總的損失費(fèi)用為定期換刀前出現(xiàn)故障的情況下的總損失總損失費(fèi)用發(fā)生故障時(shí)不合格零件的損失費(fèi)刀具更換間隔內(nèi)檢查的次數(shù)刀具更新的總次數(shù)乘發(fā)生故障的檢查間隔內(nèi)產(chǎn)生的合格零件數(shù)發(fā)生故障到下次檢查之間產(chǎn)生的零件數(shù)模型的建立、求解和分析本文主要討論的是自動(dòng)化車床連續(xù)加工零件的工序中設(shè)備定期檢查和更換的最優(yōu)策略問題。根據(jù)實(shí)際情況我們知道，用自動(dòng)化車床連續(xù)加工某種零件，可能會(huì)出現(xiàn)刀具損壞等問題。而這些原因會(huì)導(dǎo)致工序出現(xiàn)故障，產(chǎn)生不合格的零

8、件造成經(jīng)濟(jì)損失，使每個(gè)零件的平均損失費(fèi)用增加。我們以刀具更換間隔作為一個(gè)周期。一個(gè)周期內(nèi)刀具更換的總費(fèi)用由故障時(shí)產(chǎn)生的零件損失費(fèi)用、進(jìn)行檢查的費(fèi)用、發(fā)現(xiàn)故障進(jìn)行調(diào)節(jié)使恢復(fù)正常的平均費(fèi)用(包括刀具費(fèi))或未發(fā)現(xiàn)故障時(shí)更換一把新刀具的費(fèi)用組成。每個(gè)零件的平均損失費(fèi)用就是這個(gè)總費(fèi)用與已生產(chǎn)零件數(shù)的商。在本文中，我們以每個(gè)零件的平均損失費(fèi)用大小作為策略優(yōu)劣的標(biāo)準(zhǔn)。已知刀具損壞引起的故障占90%，其他故障占10%。發(fā)生故障的幾率是完全隨機(jī)，即生產(chǎn)任一零件時(shí)故障發(fā)生的概率相等。而發(fā)生故障需要及時(shí)維修，如果檢查周期太長，故障不能及時(shí)發(fā)現(xiàn)，就會(huì)產(chǎn)生過多的不合格品，給生產(chǎn)帶來損失；如果檢查周期太短，又會(huì)增加檢查費(fèi)

9、用。故合理的設(shè)定零件檢查間隔及刀具更換間隔可有效的達(dá)到減小經(jīng)濟(jì)損失的目的。我們假設(shè)只要檢查到故障，無論故障是刀具故障還是其他故障，都要調(diào)整恢復(fù)到正常，且更換刀具間隔是檢查間隔的整數(shù)倍。由于在自動(dòng)化車床連續(xù)加工零件的過程中，工序故障發(fā)生是完全隨機(jī)的。而故障出現(xiàn)時(shí)該刀具完成的零件數(shù)問題中已經(jīng)給出。我們用MATLAB中的 normplot命令畫出樣本圖。在畫出的樣本圖中，如果樣本值都分布在一條直線上，則表明樣本來自正態(tài)分布，否則是非正態(tài)分布。將題中的數(shù)據(jù)用normplot中畫出得到的樣本圖如下：圖4-1：正態(tài)概率分布圖由圖4-1可以看出，很明顯樣本數(shù)據(jù)基本分布在一條直線上，故表明故障出現(xiàn)時(shí)該刀具完成

10、的零件數(shù)服從正態(tài)分布。接下來，我們用MATLAB軟件中的lillietest函數(shù)對(duì)故障出現(xiàn)時(shí)該刀具完成的零件樣本數(shù)據(jù)進(jìn)行正態(tài)分布檢驗(yàn)。關(guān)于函數(shù)lillietest有以下內(nèi)容：（1）H=lillietest(X)表示對(duì)輸入向量X進(jìn)行Lilliefors測試，顯著性水平為0.05。（2）H=lillietest(X,alpha)表示在水平alpha而非5%下施行Lilliefors測試，alpha在0.01和0.2之間。（3）H,P,LSTAT,CV=lillietest(X,alpha)P為接受假設(shè)的概率值，P越接近于0，則越應(yīng)該拒絕正態(tài)分布的原假設(shè)；LSTAT為測試統(tǒng)計(jì)量的值，CV為是否拒絕原

11、假設(shè)的臨界值。說明:H為測試結(jié)果，若H=0，則可以認(rèn)為X是服從正態(tài)分布的；若H=1，則可以否定X服從正態(tài)分布。 由MATLAB軟件算得H=0，故可判斷刀具故障時(shí)加工的零件服從正態(tài)分布。求解其概率密度函數(shù)：.繪制正態(tài)分布函數(shù)圖象如下則累計(jì)失效概率密度函數(shù)(壽命分布函數(shù))為：4.1模型一4.1.1模型的建立此問在滿足工序故障時(shí)產(chǎn)出的零件均為不合格品，正常時(shí)產(chǎn)出的零件均為合格品的條件下，研究自動(dòng)化車床連續(xù)加工零件的工序中設(shè)備定期檢查和更換的最優(yōu)策略問題。對(duì)于策略優(yōu)劣，不能憑人們的主觀感受進(jìn)行判斷，而要確定合理的評(píng)價(jià)指標(biāo)進(jìn)行判斷，為此我們用每個(gè)零件的平均損失費(fèi)用作為評(píng)價(jià)指標(biāo)。假設(shè)在最優(yōu)策略中，工序的定

12、期檢查間隔為個(gè)零件，刀具更換間隔為個(gè)零件。而已知檢查一次的費(fèi)用為，故障時(shí)產(chǎn)出的零件損失費(fèi)用是，發(fā)現(xiàn)故障進(jìn)行調(diào)節(jié)使恢復(fù)正常的平均費(fèi)用為，未發(fā)現(xiàn)故障時(shí)更換一把新刀具的費(fèi)用是。由此，可按照如下步驟進(jìn)行建模。以合格零件單位期望為目標(biāo)函數(shù)的目標(biāo)函數(shù)：在不考慮非刀具故障的前提下，分兩種情況考慮費(fèi)用。如果換刀具發(fā)生在故障發(fā)生前：其費(fèi)用為，其中，（為所得的整數(shù)部分)；則換刀前未出現(xiàn)故障的總損失U1等于這種情況下的刀具更新次數(shù)乘以單位更新過程的損失費(fèi)用S1，即：，其中F(T)是為以T為更新周期的情況下工序出現(xiàn)故障的概率，即為前面的數(shù)據(jù)處理中的累計(jì)失效概率密度函數(shù)，當(dāng)t=T情況下F(T)的結(jié)果。 如果換刀具發(fā)生在

13、故障發(fā)生后：其費(fèi)用為，其中表示在一個(gè)換刀周期T內(nèi)任意的x處發(fā)生故障概率；檢查費(fèi)用等于檢查次數(shù)乘以單次檢查費(fèi)用，即 (g2為發(fā)生故障x前的檢查次數(shù)，等于所得的整數(shù)部分)；零件損失費(fèi)用等于從發(fā)生故障到維修檢查之間產(chǎn)生的不合格零件數(shù)乘以單個(gè)零件的損失費(fèi)用，即 (H為發(fā)生故障的檢查間隔內(nèi)產(chǎn)生的合格零件數(shù)，即發(fā)生故障前的所有合格零件數(shù)除以檢查間隔所得的余數(shù))；d為發(fā)生故障時(shí)的維修換刀費(fèi)用；定期換刀前出現(xiàn)故障的情況下的總損失等于這種情況下的的刀具更新次數(shù)乘以單位更新過程的損失費(fèi)用S2，即：故總損失費(fèi)用U：合格零件總數(shù)：綜上，我們對(duì)問題建立離散型隨機(jī)事件模型： 目標(biāo)函數(shù)為：4.1.2模型的求解首先我們由數(shù)據(jù)

14、分析可知，對(duì)于故障出現(xiàn)時(shí)該刀具完成的零件數(shù)服從正態(tài)分布。而由刀具損壞引起的故障發(fā)生概率則根據(jù)正態(tài)分布函數(shù)可以求得。最后，結(jié)合以上模型求出檢查間隔、刀具更換間隔和每個(gè)零件的平均損失費(fèi)用的最小值。通過MATLAB編程求解得出：零件檢查的間隔，即每生產(chǎn)60個(gè)零件檢查一次；刀具更換間隔內(nèi)檢查的次數(shù)，即在一個(gè)刀具更換間隔的周期內(nèi)檢查9次；刀具的更換間隔，即每生產(chǎn)540個(gè)零件更換一次刀具；在上述的策略下，得出的每個(gè)零件的平均損失費(fèi)用最小值為：4.1.3模型的分析通過以上結(jié)果我們可以看出最優(yōu)的刀具更換周期為540，并不是刀具故障的平均值584.18。即在檢查間隔為60刀具更換周期為540的策略下，我們既可以

15、及時(shí)發(fā)現(xiàn)故障并排除最大限度地減少故障零件數(shù)，也能夠最大限度的減少檢查費(fèi)用。4.2模型二4.2.1模型的建立問題二其實(shí)是在問題一的基礎(chǔ)上增加了一些反映實(shí)際情況的約束條件，所以其目標(biāo)函數(shù)與問題一相同：由于工序正常時(shí)產(chǎn)出的零件不全是合格品，有1%為不合格品；而工序故障時(shí)產(chǎn)出的零件有25%為合格品，75%為不合格品。這樣會(huì)導(dǎo)致2中情況：誤檢和漏檢。其中誤檢有兩種情況：一是工序正常時(shí)檢查到不合格品而誤判停機(jī)，這將直接導(dǎo)致誤判停機(jī)產(chǎn)生的損失及換刀費(fèi)用；二是工序故障時(shí)檢查到合格品，將繼續(xù)生產(chǎn)直到下一次檢查，這將使不合格品損失費(fèi)用增加。為了形象起見，我們繪制了可能出現(xiàn)的誤檢情況圖如下：由上圖容易看出，當(dāng)換刀發(fā)

16、生在故障之前時(shí)，只有在換刀之前才可能發(fā)生誤檢；當(dāng)換刀發(fā)生在故障之后時(shí)，只在故障前才可能發(fā)生誤檢。下面我們討論可能發(fā)生漏檢的情況，見下圖：由圖可知：只有在故障和換刀之間才會(huì)存在漏檢情況。本模型的的建模流程用如下圖表示：本模型同模型一一樣要考慮兩種情況換刀發(fā)生在故障之前，費(fèi)用為，其中；則換刀前未出現(xiàn)故障的總損失U1等于這種情況下的刀具更新次數(shù)乘以單位更新過程的損失費(fèi)用S1，即：換刀發(fā)生在故障之后，費(fèi)用為，其中表示在一個(gè)換刀周期T內(nèi)任意的x處發(fā)生故障概率；則換刀前已出現(xiàn)故障的情況下的總損失費(fèi)用U2等于這種情況下的的刀具更新次數(shù)乘以單位更新過程的損失費(fèi)用S2，即：故總損失費(fèi)用U：U=U1+U2合格零件

17、總數(shù)：綜上，目標(biāo)函數(shù)即每個(gè)零件的平均損失費(fèi)用為：其中，4.2.2模型的求解同模型一的解法一樣，運(yùn)用matlab程序可以知道每生產(chǎn)60零件就需要檢查一次，每生產(chǎn)60個(gè)零件就需要換一次刀具，合格零件中每個(gè)零件的平均損失費(fèi)用為？。4.2.3模型的分析結(jié)果分析：與(1)相比，我們發(fā)現(xiàn)增大了檢查間隔，減小了換刀間隔。由于工序正常而誤認(rèn)有故障停機(jī)產(chǎn)生的損失費(fèi)用為1500元/次，故應(yīng)盡量減少停機(jī)次數(shù)，而換刀間隔減小，有利于減少不合格零件數(shù)量。4.3模型三4.3.1模型的建立針對(duì)模型二，在改進(jìn)方法上可以有兩個(gè)思想。建議減少誤判，在檢查時(shí)不限于檢查一個(gè)零件，適當(dāng)時(shí)可再查一個(gè)零件；建議在刀具新使用時(shí)采用大的檢查間

18、隔，而刀具使用一段時(shí)間后采用小的刀具間隔。由于工序正常時(shí)產(chǎn)出的零件不全是合格品，有1%為不合格品；而工序故障時(shí)產(chǎn)出的零件有25%為合格品，75%為不合格品。這樣會(huì)導(dǎo)致誤檢和漏檢，從而增加了損失?；谶@種情況，我們著重考慮思想一，建議為減少誤判，檢查時(shí)不限于檢查一個(gè)零件，即當(dāng)檢查到合格品時(shí)再檢查一零件，若仍然是合格品則判定工序正常，否則，則判定工序出現(xiàn)故障。這樣雖然會(huì)增加檢查成本，但是，也會(huì)大大減少誤檢。從而，可能使得損失減小。綜上，我們建立與模型二相似的模型：其中：由于各參數(shù)的意義模型二一致，故在此不再贅述。4.3.2模型的求解由于此模型的計(jì)算過程與模型二極為相似，故在此省略其過程。運(yùn)用mat

19、lab求得結(jié)果為：每生產(chǎn)60零件就需要檢查一次，每生產(chǎn)60個(gè)零件就需要換一次刀具，合格零件中每個(gè)零件的平均損失費(fèi)用為4.73。4.3.3模型的分析 同模型二的結(jié)果相比較，可以知道在檢查間隔和換刀間隔都沒有變的前提下，合格零件中每個(gè)零件的平均損失費(fèi)用變小了，說明改進(jìn)后的模型損失要少一些，效益更好。5.模型的評(píng)價(jià)、改進(jìn)及推廣5.1模型評(píng)價(jià)：優(yōu)點(diǎn)：（1）對(duì)題目中所給的刀具壽命數(shù)據(jù)通過分析和處理，認(rèn)為其近似服從正態(tài)分布，大大簡化了模型的求解。（2）根據(jù)工序?qū)嶋H操作流程，建立離散型隨機(jī)事件模型，在一定度上減少了工序的損失。（3）我們以合格零件平均損失期望為目標(biāo)函數(shù)，求解目標(biāo)函數(shù)最小情況下檢查間隔和刀具的

20、更換策略，使模型得到簡化。缺點(diǎn)：（1）在求解過程中，我們假設(shè)換刀間隔是檢查間隔的整數(shù)倍，這樣雖然簡化了模型求解，但與實(shí)際情況會(huì)有偏差。（2）由于所給的150個(gè)數(shù)據(jù)顯然太少，求得的刀具壽命的正態(tài)分布函數(shù)會(huì)有一定誤差。（3）在模型三的優(yōu)化設(shè)計(jì)中，考慮情況不夠，只考慮了兩次檢查均合格滿足刀具無故障的情況。（4）在求解過程中，我們多處用了近似，使得最終結(jié)果會(huì)有偏差。（5）在用MATLAB程序運(yùn)行數(shù)據(jù)時(shí)，運(yùn)行時(shí)間較長。5.2模型的改進(jìn)(1)模型一中，根據(jù)現(xiàn)有的數(shù)據(jù)我們有理由對(duì)模型作出如下改進(jìn)：刀具的平均壽命肯定在數(shù)據(jù)最小值517以上，在對(duì)零件檢查的時(shí)候可以減少對(duì)前期合格產(chǎn)品的檢查頻率，而在后期刀具故障高

21、發(fā)期增大檢查頻率，這樣會(huì)在檢查費(fèi)用不變的情況下降低其他費(fèi)用造成的損失。(2)我們求解過程中，考慮的是等間距檢查，而實(shí)際操作中我們可以選擇不等間距檢查。（3）模型三中，為了防止誤檢和漏檢，我們可以再增加檢查次數(shù)，即采取“三局兩勝制“的方法，最少連續(xù)檢查2次，當(dāng)連續(xù)兩次產(chǎn)品合格（不合格）時(shí)，判定刀具無故障（發(fā)生故障）；當(dāng)出現(xiàn)一次合格和一次不合格時(shí)，要做第3次檢查，由第3次檢查結(jié)果，決定刀具故障與否。這樣做雖然增加了檢查費(fèi)用，但會(huì)大大減少由于誤檢和漏檢造成的巨大損失。5.3模型的推廣所建模型不僅可以用于工序生產(chǎn)，也可用于其它資源的安排及經(jīng)濟(jì)決策問題。同樣可以廣泛應(yīng)用于汽車、飛機(jī)等機(jī)械零部件加工、電子

22、儀器生產(chǎn)等生產(chǎn)車間的管理中，一方面有助于降低成本，另一方面提高機(jī)器的工作效率。6.參考文獻(xiàn)1MATLAB7.0從入門到精通劉保柱等編 人民郵電出版社 2概率論與數(shù)理統(tǒng)計(jì)浙江大學(xué) 盛驟等編 高等教育出版社1979年3月版 3數(shù)學(xué)建模與數(shù)學(xué)實(shí)驗(yàn) 趙靜等主編 高等教育出版社（第三版）4 李德宜，李明.數(shù)學(xué)建模.科學(xué)出版社，2009年.5數(shù)學(xué)建模簡明教材張興永編著中國礦業(yè)大學(xué)出版社6數(shù)學(xué)分析（第三版）華東師大數(shù)學(xué)系編高等教育出版社附：150次刀具故障記錄（完成的零件數(shù)）548 571 578 582 599 568 568 578 582 517 603 594 547 596 598 595 608

23、 589 569 579 533 591 584 570 569 560 581 590 575 572 581 579 563 608 591 608 572 560 598 583 567 580 542 604 562 568 609 564 574 572 614 584 560 560 617 621 615 557 578 578 588 571 562 573 604 629 587 577 596 572 619 604 557 569 609 590 590 548 587 596 569 562 578 561 581 588 609 586 571 615 599 587

24、 595 572 599 587 594 561 613 591 544 591 607 595 610 608 564 536 618 590 582 574 551 586 555 565 578 597 590 555 612 583 619 558 566 567 580 562 563 534 565 587 578 579 580 585 572 568 592 574 587 563 579 597 564 585 577 580 575 641%正態(tài)分布檢驗(yàn)clear all;close all;clcdata=load(G:/data.txt);normplot(data);

25、h,p,l,cv=lillietest(a) %擬合度測試?yán)L制正態(tài)分布圖clearx=500:0.1:660;f=exp(-(x-581.18).2./(2*(20.51292).*(1/(sqrt(2*pi)*20.5129); plot(x,f,+r)問題一syms x Ta0=20;for T=517:535 for Tc=50:70 g1=ceil(T/Tc); g2=8;%ceil(x/Tc); f=exp(-(x-581.18).2./(2*(20.51292)*(1/(sqrt(2*pi)*20.5129); F=int(f,x,0,T);F=subs(F); h=rem(F,T

26、c);k1=int(20*(g2+1).*f./F,x,0,T)+int(300*(Tc-h).*f./F,x,0,T); f1=(20*g1+1200).*(1-F)+F*(3000+subs(k1,T); a=taylor(x.*f/F,x,0,6); f2=(1-F)*T+F*int(a,x,0,T);f2=subs(f2,T); Ta=f1/f2; Ta=simplify(Ta); if (TaTa0) T1=T;Tc1=Tc;Ta0=Ta; else continue; end endendfprintf(最優(yōu)檢驗(yàn)間隔為：n);T1fprintf(最優(yōu)換刀間隔為：n);Tc1問題二s

27、yms x Ta0=20;for T=510:550 for Tc=40:60 x0=ceil(T*rand(); f0=300;d=3000;t=20; g1=ceil(T/Tc); g2=11;%ceil(x/Tc); f=exp(-(x-581.18).2./(2*(20.51292)*(1/(sqrt(2*pi)*20.5129); F=int(f,x,0,T); F=subs(F); h=rem(F,Tc); x1=ceil(T-h); if x0 x1 k1=int(35*(g2-1)+(1-0.25(g1-g2+1)*d+0.75*f0*(2*h+0.25*(1-0.25(g1-

28、g2)/0.75*Tc)+(1-0.25(g1-g2+1)/0.75*t).*f./F,x,0,T)+int(taylor(300/100*x.*f./F,x,0,11),x,0,T);f1=(35*g1+1200+T*f0/100)*(1-F)+F*subs(k1,T); a=taylor(0.99*x+0.75*(2*h+0.25*(1-0.25(g1-g2)/0.75*Tc).*f/F,x,0,6);f2=(1-F)*T*0.99+F*int(a,x,0,T);f2=subs(f2,T); else k1=int(35*(g2-1)+(1-0.25(g1-g2+1)*d+0.75*f0*

29、(2*h+0.25*(1-0.25(g1-g2)/0.75*Tc)+(1-0.25(g1-g2+1)/0.75*t).*f./F,x,0,T)+int(taylor(300/100*x.*f./F,x,0,11),x,0,T);f1=(35*g1+1200+T*f0/100)*(1-F)+F*subs(k1,T);a=taylor(0.25*T+0.75*x).*f/F,x,0,6);f2=(1-F)*T*0.99+F*int(a,x,0,T);f2=subs(f2,T); end Ta=f1/f2; Ta=simplify(Ta); if (TaTa0) T1=T;Tc1=Tc;Ta0=Ta; else continue; end endend fprintf(最優(yōu)檢驗(yàn)間隔為：n);T1fprintf(最優(yōu)換刀間隔為：n);Tc1問題三syms x Ta0=10;for T=510:540 for Tc=40:60 x0=ceil(T*rand(); f0=300;d=3000;t=20; g1=ceil(