自動化車床問題(1)15組doc

1、五組自動化車床問題摘要本文是自動化車車床中道具的的檢測與更換換問題。在已已知生產工序序的費用參數(shù)數(shù)和故障記錄錄的情況下，建建立隨機模型型，得出工序序設計效益最最好的檢查間間隔和刀具更更換策略。首先我們對附表表中的數(shù)據(jù)在在6SQ軟件擬擬合中進行分分析并在MAATLAB中中對其進行假假設檢驗，發(fā)現(xiàn)其服從從X(600，11962)的正態(tài)分布。對于問題一，我我們以每個正正品的平均費費用作為評價價指標。我們們規(guī)定一個周周期內我們最最多進行次檢檢測，每次檢檢測的零件序序號為ci(i=1，2，n)。通過規(guī)規(guī)定等概率間間距對刀具零零件進行檢測測。同時將總總費用和生產產正品的期望望分為未達到到最大檢測次次數(shù)前和

2、達到到最大檢測次次數(shù)兩部分。然然后，通過窮窮舉法求解出出不同間距和和不同檢驗次次數(shù)時，每個個正品的平均均生產最小費費用，我們得得出其最優(yōu)解解。其結果為為：檢驗次數(shù)數(shù)為9次，檢檢驗的零件數(shù)數(shù)序號分別為為：58 ，99，135，167，196，221，244，263，281。換刀刀的間距為2281零件。而而平均每個正正品零件花費費為：4.55913元。對于問題二，我我們采用單策策略模型。由由于正品的來來源分為兩個個部分。因此此在檢測時存存在誤判問題題。我們通過過分析未達到到最大檢測次次數(shù)前和達到到最大檢測各各元素的來源源，從而得出出各元素的表表達方法。最最后通過maatlab對對不同間距和和不同次

3、數(shù)的的花費進行比比較，最后得得出最優(yōu)解。其其結果為：檢檢驗次數(shù)為110次，檢驗驗的零件數(shù)序序號為：822，101，1152，1884，2111，237，2253， 2275，3000，3211。換刀的間間距為：3220。平均均均每個正品零零件花費為：9.39112元。對于問題三，我我們采用雙策策略模型。由由于問題二中中誤判率較大大，對生產工工序有較大的的誤導作用，因因此我們采用用雙策略模型型即一次檢驗驗連續(xù)檢查兩兩個零件，這這樣通過概率率計算工序正正常時生產的的產品合格率率為96.004%，工序序不正常時生生產的產品合合格率為166%。這樣誤誤判率就大大大的降低。然然后可以再通通過窮舉法，得得

4、出最優(yōu)解。關鍵詞：6SQQ擬合 等等概率間距 單策略 雙策略 窮舉法1.問題的重述述工業(yè)生產中，自自動化車床刀刀具的檢測與與磨損是比較較常見的問題題，如何檢測測何時更換刀刀具將直接影影響生產成本本。在本文中，我們們將從某個方方面對其合理理規(guī)劃，使生生產工具平均均成本最小。刀具更換背景：一道工序用自動動化車床連續(xù)續(xù)加工某種零零件，由于刀刀具損壞等原原因該工序會會出現(xiàn)故障，其其中刀具損壞壞故障占955%, 其它它故障僅占55%。工序出出現(xiàn)故障是完完全隨機的, 假定在生生產任一零件件時出現(xiàn)故障障的機會均相相同。工作人人員通過檢查查零件來確定定工序是否出出現(xiàn)故障?，F(xiàn)現(xiàn)積累有1000次刀具故故障記錄，故

5、故障出現(xiàn)時該該刀具完成的的零件數(shù)如附附表?，F(xiàn)計劃劃在刀具加工工一定件數(shù)后后定期更換新新刀具。 已知生產工序的的費用參數(shù)如如下： 故障時產出的零零件損失費用用 f=2000元/件； 進行檢查的費用用 t=100元/次； 發(fā)現(xiàn)故障進行調調節(jié)使恢復正正常的平均費費用 d=33000元/次(包括刀刀具費)； 未發(fā)現(xiàn)故障時更更換一把新刀刀具的費用 k=10000元/次。 本文需要解決的的問題：1)假定工序故故障時產出的的零件均為不不合格品，正正常時產出的的零件均為合合格品, 試試對該工序設設計效益最好好的檢查間隔隔（生產多少少零件檢查一一次）和刀具具更換策略。 2)如果該工序序正常時產出出的零件不全全是

6、合格品，有有2%為不合合格品；而工工序故障時產產出的零件有有40%為合合格品，600%為不合格格品。工序正正常而誤認有有故障停機產生的損損失費用為11500元/次。對該工工序設計效益益最好的檢查查間隔和刀具具更換策略.3）在2)的情情況, 可否否改進檢查方方式獲得更高高的效益。2. 模型的假假設與符號說說明2.1模型的假假設假設1：題目所所給數(shù)據(jù)是合合理、正確的的；假設2：換刀具具時間可以忽忽略不計，不不會影響到生生產； 假設3：認為55%的其他故故障發(fā)生時生生產零件數(shù)是是隨機的； 假設4：1000個刀具故障障數(shù)據(jù)所表示示的意義具有有普遍性；假設5： 零件件損失費是有有不合格產品品造成。2.2

7、符號說明明符號符號說明平均每個正品花花費正品個數(shù)期望總損失費用第j次檢驗后停停止使用該刀刀具該刀具生生產的正品數(shù)數(shù)第i次檢測出現(xiàn)現(xiàn)故障的費用用刀具更換費用檢測第i個零件件的序號數(shù)wpi第i次發(fā)生誤判判的概率第i次發(fā)生誤判判生產出正品品的概率當?shù)诖螜z查是對對應產品的期期望值第i次發(fā)生誤判判的檢查次數(shù)數(shù)第次檢查與第間間的概率間距距當發(fā)生故障時生生產個零件的的概率密度最多檢查次數(shù)第次檢查與第間間的概率間距距步長工序正常時合格格品的概率工序故障時合格格品的概率當檢查完后刀具具依然是正常常的期望值3. 問題分析析本題是車間生產產中刀具更換換與產品檢測測使經濟效益益最好的最優(yōu)優(yōu)化問題。何何時更換刀具具與何

8、時檢測測產品，一方方面涉及概率率統(tǒng)計方面問問題，另一方方面涉及經濟濟效益最好的的最小值問題題。通過統(tǒng)計軟件可可知機床無故故障生產零件件數(shù)服從的正正態(tài)分布。要要求經濟效益益最好就是零零件生產的總總費用與生產產正品數(shù)的期期望值之比最最小。對于問題一， 當工序故障障時，生產的的零件全部是是不合格品，無無故障時，生生產的零件全全部是合格品品，而通過對對產品的檢驗驗可知工序是是否故障。我我們規(guī)定一個個周期內我們們最多進行次次檢測，每次次檢測的零件件序號為。當?shù)毒呱a產的零件未達達到更換周期期刀具就發(fā)現(xiàn)現(xiàn)故障，則進行調節(jié)節(jié)使其恢復正常再使使用。而當?shù)兜毒哌_到更換換周期無論刀刀具能否再生生產我們都更更換零件

9、。這這樣刀具生產產時總費用就就是不超過此此更換周期刀刀具就出現(xiàn)故故障所用費用用的期望與達達到更換周期期但刀具仍能能工作時所用用費用的期望望值之和。最最后以生產一一個合格品所所需費用為評評價指標，通通過窮舉法，我我們能得出評評價指標的不不同值，取其其中最小值。其其中檢查的流流程圖如下圖圖：開始檢測開始檢測該產品是否合格？?調節(jié)恢復更換刀具NNYY圖一 檢驗流程圖對于問題二，對對于每次故障障發(fā)生時，其其生產的零件件數(shù)為一概率率函數(shù)，955%為,刀具損壞壞故障與5%為其它故障，其其中95%,刀具損壞故故障為正態(tài)分分布的函數(shù)，5%其它故障平均分布。我們仍以每個正品的平均費用作為評判指標。通過單策略模型

10、我們進行求解。由于在工序正常時產出的零件不全是合格品，有2%為不合格品；而工序故障時產出的零件有40%為合格品，60%為不合格品。這樣在檢測過程中無論檢查出是合格品還是不合格品都存在誤判問題。而把工序正常誤認有故障停機會產生損失費用，同時把工序故障認為正常將會產生零件損失費用；因此在檢測過程中我們誤判數(shù)期望值使我們所求的第一個元素。其次正品數(shù)期望值，產品個數(shù)期望值，檢查次數(shù)期望值都是我們求解總耗費中必須知道的量。安排合理的使用周期和適當?shù)臋z驗間距，從而使正品的平均費用最??；最后所求表達式將會是一個以c1， c2， c3為變量的函數(shù)，最后通過matlab編程，檢查次數(shù)n取值范圍為1到30，先固定

11、n，在用窮舉法排列各檢查次數(shù)之間的間隔，并比較求出在n值固定時其對應的最好檢查間隔安排；最后再比較各個n值下的最優(yōu)解，得出最優(yōu)結果。對于問題三，需需要得到更好好的檢驗方法法，使得生產產中效益更高高，我們評判判指標不變。為為了盡量減小小誤判產生的的損失，我們們需要對檢測測方式進行改改進，如何改改進檢測方式式才能減小誤誤判，在一次次檢驗一個零零件誤判率較較大的情況下下，我們可以以采取一次抽抽查，連續(xù)檢檢查兩個零件件，這樣在工工序出現(xiàn)故障障時所產生的的零件損失費費用將得到減減小為16%，且工序正正常是被誤判判的概率改變變并不大只改改變0.399592%；最終誤判所所帶來的損失失就大大減小小了。4.

12、數(shù)據(jù)分析析4.1正態(tài)分布布假設由于工序出現(xiàn)故故障是完全隨隨機的，對題題目給出的1100次刀具具故障記錄（見見附錄表），我我們通過觀測測其再各個區(qū)區(qū)間中出現(xiàn)得得頻數(shù)可以預預估其符合正正態(tài)分布。然然后通過exxcel中66SQ統(tǒng)計軟軟件的分析，最最終得知工序序出現(xiàn)故障服服從正態(tài)分布布。其圖如圖圖4.1：圖4.1 工序序出現(xiàn)故障時時零件分布圖圖通過數(shù)據(jù)的分析析，可知刀具具無故障生產產零件數(shù)服從從參數(shù)和正態(tài)分布,其中。其概率密度度函數(shù)為：在matlabb中對正態(tài)分分布的概率進進行擬合，最最后概率函數(shù)數(shù)可以近似表表達結果圖二二：圖4.2 正態(tài)態(tài)分布函數(shù)的的擬合4.2 正態(tài)分分布假設檢驗驗然后通過6SQQ

13、統(tǒng)計軟件進進行卡方擬合合優(yōu)度檢驗，檢檢驗結果見表表4.1。表4.1 正態(tài)態(tài)分布的假設設檢驗假設檢驗零假設服從正態(tài)分布自由度9卡方統(tǒng)計量2.52183397p值0.98029904顯著性水平0.05結果接受零假設5 問題一的的解答5.1模型一的的準備通過事件可得,零件生產數(shù)數(shù)應在區(qū)間區(qū)區(qū)間上，我們們規(guī)定一個周周期內我們進進行次檢測，每每次檢測的零零件序號為。當?shù)毒呱a產的零件未達達到更換周期期刀具就發(fā)現(xiàn)現(xiàn)故障，則進行調節(jié)節(jié)使其恢復正常再使使用。而當?shù)兜毒哌_到更換換周期無論刀刀具能否再生生產我們都更更換零件。為為了體現(xiàn)選取取零件的隨機機性我們約定定其中相鄰兩兩次檢驗刀具具出現(xiàn)故障的的概率是相同同的

14、。即。5.1.1生產產指標的說明明當檢測零件次數(shù)數(shù)不大于就發(fā)現(xiàn)現(xiàn)刀具故障，那那么此次刀具具費用則由前前次得檢測費費，故障調節(jié)節(jié)費與故障時時產出的零件件損失費組成成，其表達是是如下：當檢查零件數(shù)大大于且刀具仍仍能正常運行行，此時刀具具更換費用則則由前次檢測測費和換刀費費組成，其表表達是如下：刀具生產時總費費用就是不超超過此更換周周期刀具就出出現(xiàn)故障所用用費用的期望望與達到更換換周期但刀具具仍能工作時時所用費用的的期望值之和和，即總費用用為：而在生產中，產產生正品數(shù)期期望為未達到到檢查次數(shù)產產生正品的期期望與達到最最大檢查次數(shù)數(shù)產生正品的的期望,即：5.2問題一模模型的建立我們以生產一個個合格品所

15、需需費用作為我我們的評價指指標。則為零零件生產的總總費用與生產產正品數(shù)的期期望值之比。最終目標函數(shù)為為：5.3問題一的的求解5.3.1問題題一求解思想想為了選取零件的的公平性，我我們選取相鄰鄰兩零件概率率差為一定值值。隨機選取取500個樣樣點，令初始始值=1，選取的零件檢檢測，同時對對變量檢查次次數(shù)同樣賦予予初始值，然然后以每個正正品花費作為為比較標準，在在通過兩個循循環(huán)，在與的約束范圍圍內，比較得出當當平均每個正正品花費最少少時的與的值。其流流程圖如下取樣500個點 取樣500個點 d=1d50?NNYd=d+1n500/d?結束，輸出與及其minNYY圖5.1求解流流程圖5.3.2問題題一

16、結果的表表達規(guī)定等概率間距距后，我們通通過窮舉法，選選取最優(yōu)的等等概率間距，然然后把不同檢檢測次數(shù)時每每個正品平均均耗費的最小小值記錄下來來，我們記錄錄四組不同檢檢驗次數(shù)，每每個正品的平平均花費結果果如下表5.1：表5.1最終平平均花費的記記錄檢驗次數(shù)9101314平均花費（元）4.59134.60074.59594.6009最終檢驗次數(shù)為為9次，檢驗驗的零件數(shù)序序號分別為：58 ，99，135，167，196，221，244，263，281。換刀的間距距為281零零件。而平均均每個正品零零件花費為：4.59113元。5.4問題一一檢驗我們通過tteest檢驗，已知刀具的壽命服從正態(tài)分布，現(xiàn)在

17、在方差未知的情況下，檢查所求結果（即刀具的平均壽命）為281是否合理輸入命令： h ,sig , ci=ttest(x,281)結果為：h = 0， sig = 0.0628， ci = （ 276.1155 321.0155）所以，由以上結果可知，刀具的平均壽命為281是合理的。5.5問題一結結果分析： 通過求解過程我我們知道不同同的檢查次數(shù)數(shù)會有不同的的最優(yōu)平均花花費，但最優(yōu)優(yōu)花費并不與與檢驗次數(shù)成成線性關系。而而且換刀時生生產的零件數(shù)數(shù)遠沒達到刀刀具無故障生生產零件數(shù)的的平均值。分分析其原因，雖雖然刀具出現(xiàn)現(xiàn)故障的情況況高發(fā)期在生生產600個個零件之后，但但由于出現(xiàn)故故障后再換費費用過高

18、，且且在故障出現(xiàn)現(xiàn)后將產生一一些不合格品品又造成了成成本的增加。故故在刀具出現(xiàn)現(xiàn)故障概率較較低的條件下下主動換刀比比出現(xiàn)故障換換刀更具有經經濟效益。6. 問題二的的解答6.1問題二模模型的準備通過事件可得，零零件生產數(shù)應應仍在區(qū)間區(qū)區(qū)間上，同時時我們記檢測測次數(shù)最多為為n，產品的檢檢驗時序號依依次為：c1，c2 ，c3。cn。6.1.1未超超過最大檢查查次數(shù)各指標標的期望設檢查次數(shù)為ii，當檢查次次數(shù)時，則以以下指標分別別為：在未達到最大檢檢測次數(shù)就斷斷定刀具故障障，其中第ii次發(fā)生誤判判的概率wppi為：在未達到最大檢檢查次數(shù)就斷斷定刀具故障障，其中第ii次產生正品品的期望Ei由三部分組組成

19、：第一部部分：前i-1次為全部部正常工序產產生的產品最最后第i次發(fā)現(xiàn)故障障產生正品的的期望。第二二部分：前ii-1次為正正常工序產生生正品，后ii次到n-i-1次斷定故故障前為故障障工序產生的的正品，產生生正品的期望望。第三部分分：前i-1次為正正常工序產生生正品，后nn-i次為故故障工序產生生的正品的期期望。其表達達式為：其中表示第j次次檢驗后停止止使用該刀具具該刀具生產產的正品數(shù)。在未達到最大檢檢查次數(shù)，產產生的產品個個數(shù)的期望ccpi同樣分為三三部分：第一一部分為前ii-1次為全全部正常工序序產生的產品品最后第i次發(fā)現(xiàn)故障障產生的產品品個數(shù)期望，第第二部分是前前i-1次為正正常工序產生生

20、正品，后ii次到n-i-1次斷定故故障前為故障障工序產出的的產品正品，最最后產生產品品的期望。第第三部分為前前i-1次為正正常工序產生生正品，后nn-i次為故故障工序產生生的正品，而而產生的產品品的期望。其其表達式如下下：在未達到最大檢檢查次數(shù)cssi，扦插次數(shù)數(shù)的期望同樣樣有此三部分分構成，在此此就不贅言。其其表達式如下下：6.1.2達到到最大檢查次次數(shù)后個指標標的期望當?shù)谰呱a能力力大于換刀周周期，這樣我我們約定。在達到最大檢驗驗次數(shù)后，發(fā)發(fā)生誤判的概概率wpi為：在達到最大檢驗驗次數(shù)后，正正品產生的個個數(shù)期望Enn為：其中Enj與EEnn與6.1.11中表達相同同。產品個數(shù)cpii為：檢

21、查次數(shù)的期望望csi為：6.2各期望值值的表達誤判次數(shù)的期望望：正品個數(shù)期望：產品個數(shù)期望：檢查次數(shù)期望：其中表示相鄰兩兩個檢測序號號之間一段的的概率。最后后一次檢測時時刀具仍為好好刀的概率。這樣在此生產過過程中，所造造成總損失ffy的表達式式如下：6.3問題二模模型的建立我們以生產一個個合格品所需需費用作為我我們的評價指指標。則為零零件生產的總總費用與生產產正品數(shù)的期期望值之比。最終目標函數(shù)為為：5.3問題二的的求解問題二求解過程程致相同，我我們記錄不同同檢測次數(shù)時時每個正品平平均耗費的最最小值，我們們選取四組最最優(yōu)的的結果果列入下表66.1：檢驗次數(shù)8101112平均花費（元）9.4007

22、9.39129.39789.4012最終檢驗次數(shù)為為10次，檢檢驗的零件數(shù)數(shù)序號為：882，1011，152，1184，2111，2377，253， 275，3300，3221。換刀的的間距為：3321。平均均均每個正品品零件花費為為：9.39912元。5.4問題二檢檢驗檢查所求結果（即即刀具的平均均壽命）為3321是否合合理輸入命令令： h ,sig , ci=ttesst(x,3321)結果為：hh = 0， sig = 0.11181， cci = （306.9845 330.0155）所以，由以上結果可知，刀具的平均壽命為321是合理的。5.5問題二結結果的分析在用但策略模型型的求解中

23、我我們可以得知知，換刀間距距相比問題一一更大了，同同時平均每個個正品零件的的花費也比問問題一打了一一些。這個當當我們不能完完全判定生產產正品的刀具具是否出現(xiàn)故故障的條件下下，檢查花費費和誤判花費費風險有點大大。7. 問題三的的解答7.1問題三模模型的建立：對于問題二，我我們采用一次次檢查一個零零件的方法判判斷工序是否否有故障；由由于工序出現(xiàn)現(xiàn)故障時依然然有40%的的合格率，這這將導致產生生很大的誤判判期望值。為為了減少誤判判，我們采用用一次檢查連連續(xù)檢查兩個個零件的方式式，只有當兩兩個零件都為為合格時才認認為工序正常常。在這種檢檢測方式下，工工序正常時生生產的產品合合格率為966.04%，工工

24、序不正常時時生產的產品品合格率為116%；經過過這樣的改進進模型中的誤誤判大大的減減小了。在誤誤判概率大大大減少的前提提條件下，其其求解指標仍仍是平均每個個正品所需費費用。7.2問題三的的求解的方法法：相比較模型二，我我們稱問題三三的模型為雙雙策略模型。在在雙策略模型型中我們將事事件分為兩大大類，第一類類稱為，即表示生產產是所用刀具具在第與第次檢查間間各種損壞；第二類事件件稱為，即表示生產產是所用刀具具在第次檢查查中在兩次產產品零件中抽抽查的各種損損壞。在事件件中每次事件件下都對應在在次前將好的的道具誤判為為壞刀具，以以及在次在兩兩次產品中抽抽查的各種損損壞；在事件件中每次事件件下都對應在在次

25、中在兩次次產品零件中中抽查的各種種誤判損壞；在第一類事事件下以及第第二類事件下下，我們將求求的所需的正正品數(shù)期望值值、產品數(shù)期期望值、檢查查次數(shù)期望值值、誤判期望望值以及廢品品期望值。另外，為了更進進一步的減少少模型中由于于誤判帶來的的損失，我們們還可以將模模型進一步改改進，采用一一次檢測三個個零件的方式式；在這種模模型下，當工工序正常時生生產的產品合合格率為944.12%，相相比較其不合合格率為5.88%；當當工序不正常常時生產的產產品合格率為為6.4%，相相比較其誤判判期望值將進進一步減少。8. 模型的評評價、改進及及推廣8.1模型評價價優(yōu)點：采用不定步長，使使模型更合理理，更符合實實際情

26、況針對問題所建立立的模型對所所有的要求未未知變量，都都是互相約束束，這樣求出出的解更加精精確。模型比較清晰，把把總費用分為為未達到指定定周期前刀具具出現(xiàn)故障所所用費用的期期望，和達到到換刀周期換換刀所用費用用的期望?？纯雌饋肀容^清清晰。缺點：（1）問題一的的求解時我們們只考慮刀具具損壞的原因因是刀具損壞壞故障，而55%的其他故故障未予考慮慮，從而使得得問題結果不不能進一步精精確。（2）未對問題題三更精確地地求解，只是是將方法比較較系統(tǒng)的敘述述。8.2模型改進進在問題一中，考考慮故障出現(xiàn)現(xiàn)原因，這樣樣是的問題結結果更加精細細。同時在問問題二的產品品檢驗中我們們可以一次檢檢驗連續(xù)檢驗驗三個零件，這

27、這樣會使得誤誤判概率更小小，從而使檢檢驗過程更精精確，損失更更小。8.3模型推廣廣 本模型不僅適用用于車間刀具具的檢測，對對其他不能直直接檢測而檢檢測產品的問問題同樣適用用。同時本模模型不僅適用用于單工序生生產，還可以以拓展到多工工序的生產問問題中。參考文獻1 宋來忠忠，王志明,數(shù)學建模與與實驗,北京京：科學出版版社,20005。2 朱道元元等，數(shù)學建建模案例精選選，北京：科科學出版社，220033 盛驟驟，謝式千，潘潘承毅，概率率論與數(shù)理統(tǒng)統(tǒng)計（浙大第第三版），高高等教育出版版社，200074 運籌籌學教材編編寫組編，運運籌學（3版版），北京：清華大學出出版社，20005.6附錄第一問的程序

28、 functtion yy=myfuun(k,nn)clear;cclca=459 362 624 5542 5009 5844 433 748 8815 5005612 4522 434 982 6640 7442 5655 706 593 6680926 6533 164 487 7734 6008 4288 11533 5593 8444527 5522 513 781 4474 3888 8244 538 862 6659775 8599 755 649 6697 5115 6288 954 771 6609402 9600 885 610 2292 8337 4733 677 358

29、 6638699 6344 555 570 884 4116 6066 10622 4484 1220447 6544 564 339 2280 2446 6877 539 790 5581621 7244 531 512 5577 4996 4688 499 544 6645764 5588 378 765 6666 7663 2177 715 310 8851;a=reshaape(a,1,1000);junzhi=mean(a);biaozhuuncha=std(aa);fangchaa=var(a);x1=1:12200;y2=normmcdf(xx1,6000,196.6292);s

30、yms xp=polyffit(y22,x1,77);y=poly22str(pp,x);y=2345221.81002 *x7 - 88206755.43799 *x66 + 111496555.40622 *x55 - 8222687.9167* x4+ 3187787.50027 *xx3 - 657366.434* x2 + 72332.9077* x + 51.22888;x=subs(y,x,0.0011:0.0002:1); n=lenngth(yy) ;x=roundd(x);t1=50;cell500,500=;k1=50;kk2=5000;for d=11:t1 for n

31、=1:ffloor(k2/d) for ii=1:n k(ii)=x(i-1)*d+1); eend celld,n =k ; k=; end endmmm=zerros(500,k2);for t=1:50 foor j=11:k2 k=ccelltt,j;n=lengtth(k);if n=00 breeak;elsegz=zeroos(1,nn); % Coeffficieents: p1 = 22.01499e-0222; p2 = -1.04498e-0018; p3 = 2.17551e-0115; p4 = -2.26636e-0012; p5 = 1.23227e-0009;

32、p6 = -3.4007e-0007; p7 = 4.76118e-0005; p8 = -0.000266111; p9 = 0.0366721; q1 = 4.44995e-0226; q2 = -2.4003e-0222; q3 = 5.23002e-0119; q4 = -5.8117e-0116; q5 = 3.48004e-0113; q6 = -1.12287e-0010; q7 = 2.20996e-0008; q8 = -1.89975e-0006; q9 = 0.0000101511; q10 = 0.0000328667 ;y11=1/99*p1*kk.9+11/8*p2

33、2*k.88+1/7*p3*k.7+1/6*p4*k.6+1/5*pp5*k.5+1/44*p6*kk.4+11/3*p77*k.33+1/2*p8*k.2+p99*k; y2 = q11*k.99 + q22*k.88 +q3*k.7 + q4*k.6 + q5*k.5 + q6*k.4 +q7*kk.3 + q8*kk.2 +q9*k.1 + q10; zg=0; for i=11:n if i=1gz(i)=(10*i+3000+200*kk(i)*(y2(ii)-0)-200*(y11(ii)-0);zg=zg+ggz(i); else gzz(i)=(10*i+3000+200*kk

34、(i)*(y2(ii)-y2(i-1)-200*(y11(i)-y111(i-11);zg=zg+ggz(i); endend wgz=(1000+10*(nn-1)*(1-y22(n); zhp=yy11(n)+k(n)*(1-yy2(n); y=(wgzz+zg)/(zhp); mmm(t,j)=y; enndendendfor i=11:50for j=11:k2 if mmmm(i,j)=00 mmmm(i,j)=100; endendendk3=b,vv=minn(min(mmm);k4=b,vv=minn(min(mmm);weizhi=find(mmm=mmin)cellk33,

35、k4問題二的程序（1）函數(shù)方程程擬合源代碼碼： %a=459 362 624 5542 5009 5844 433 748 8815 5005612 4522 434 982 6640 7442 5655 706 593 6680926 6533 164 487 7734 6008 4288 11533 5593 8444527 5522 513 781 4474 3888 8244 538 862 6659775 8599 755 649 6697 5115 6288 954 771 6609402 9600 885 610 2292 8337 4733 677 358 6638699 63

36、44 555 570 884 4116 6066 10622 4484 1220447 6544 564 339 2280 2446 6877 539 790 5581621 7244 531 512 5577 4996 4688 499 544 6645764 5588 378 765 6666 7663 2177 715 310 8851;a=reshaape(a,1,1000);junzhi=mean(a);biaozhuuncha=std(aa);fangchaa=var(a);x1=1:12200;%概率密度y0=normmpdf(xx1,6000,196.6292);%由于考慮到刀

37、刀具損壞故障障占95%, 其它故障障僅占5%。y1=y0*00.95+00.05/11050*oones(11,lenggth(y00);plot(x11,y1),%figuure 1 積分擬合后后=y2;%對機器零件的的概率分布的的擬合；y11=y1.*x1; figuree, plot(xx1,y111),%fiigure 2 %對y1積分的的概率分布函函數(shù)y2; syms x p1 p2 p3 p4 p5 p6 p7 p8 p9 y1=p1*xx8 + p2*x7 +p33*x6 + p4*x5 +p5*x4 + pp6*x33 +p7*x2 + p8*xx1 +pp9 ;y2=int(

38、y1,x,0,k);%即y2=1/9*p1*x9+11/8*p22*x8+1/7*pp3*x77+1/6*p4*x6+1/55*p5*xx5+1/4*p6*x4+11/3*p77*x3+1/2*pp8*x22+p9*xx;%對y11的積積分y11=y1(i)*x(i)的概率分布布=y3；syms x q1 q2 q3 q4 q5 q6 q7 q8 q9 q10;y11=q1*x9+qq2*x88+q3*xx7+q44*x6+q5*x5+q6*x4+qq7*x33+q8*xx2+q99*x1+q10; y3=int(y11,xx,0,kk); %即y3=1/10*q11*k100+1/9*q2*

39、k9+1/88*q3*kk8+1/7*q4*k7+11/6*q55*k6+1/5*qq6*k55+1/4*q7*k4+1/33*q8*kk3+1/2*q9*k2+qq10*k;%Coeffiicientts:Norrm of residduals = 0.0000199961; p1 = 3.17555e-0225; p2 = -1.52245e-0021; p3 = 2.88116e-0118; p4 = -2.68894e-0015; p5 = 1.27774e-0112; p6 = -3.00004e-0010; p7 = 3.91665e-0008; p8 = -1.56612e-00

40、06; p9 = 8.80667e-0005; %Coeffficieents:NNorm oof ressidualls = 00.129887 q1 = 2.45778e-0225; q2 = -1.13369e-0021; q3 = 2.00559e-0118; q4 = -1.61165e-0015; q5 = 5.04776e-0113; q6 = 3.12334e-0111; q7 = -4.24447e-0008; q8 = 8.95009e-0006; q9 = -0.0000487997; q10 = 0.000780833;%(2)問題二車車床管理程序序：1)使用fommf

41、unctioon c,ceq=myfunn1(k)ceq=;c=;%2)M-文件源源代碼:functioon y=cheechuanng(k)clear， clc， %Coeffficiennts:Noorm off resiidualss = 0.000199961; p1 = 3.17555e-0225; p2 = -1.52245e-0021; p3 = 2.88116e-0118; p4 = -2.68894e-0015; p5 = 1.27774e-0112; p6 = -3.00004e-0010; p7 = 3.91665e-0008; p8 = -1.56612e-0006;

42、p9 = 8.80667e-0005; %Coeffficieents:NNorm oof ressidualls = 00.129887 q1 = 2.45778e-0225; q2 = -1.13369e-0021; q3 = 2.00559e-0118; q4 = -1.61165e-0015; q5 = 5.04776e-0113; q6 = 3.12334e-0111; q7 = -4.24447e-0008; q8 = 8.95009e-0006; q9 = -0.0000487997; q10 = 0.000780833;%每次調用時令令n=5,66,7,8,9,10,11,122,13,114,15,16,177,18,119,20.n=10;k(n+1)=1200;R1=0.988;R2=00.4;zhengpiin=0;zzhp=zeeros(11,n+1);zhp00=0;zhhpn=0;zhpn11=0;for t=11:n+1 y21=1/99*p1*kk(t)99+1/8*p2*k(t)8+1/7*pp3*k(tt)7+11/6*p44*k(t)6+1/5*p5*k(t)5+1/44*p6*kk(t)44+1/3*p7*k(t)3+1/2*pp8*k(tt)2+pp9*k(tt);y31=1/110*q1