数学建模自动化车床管理.docVIP

自动化车床管理 一道工序用自动化车床连续加工某种零件，由于刀具损坏等原因该工序会出现故障，其中刀具损坏故障占95%, 其它故障仅占5%。工序出现故障是完全随机的, 假定在生产任一零件时出现故障的机会均相同。工作人员通过检查零件来确定工序是否出现故障。现积累有100次刀具故障记录，故障出现时该刀具完成的零件数如附表。现计划在刀具加工一定件数后定期更换新刀具。 已知生产工序的费用参数如下： 故障时产出的零件损失费用 f=200元/件； 进行检查的费用 t=10元/次； 发现故障进行调节使恢复正常的平均费用 d=3000元/次(包括刀具费)； 未发现故障时更换一把新刀具的费用 k=1000元/次。 1)假定工序故障时产出的零件均为不合格品，正常时产出的零件均为合格品, 试对该工序设计效益最好的检查间隔（生产多少零件检查一次）和刀具更换策略。 2)如果该工序正常时产出的零件不全是合格品，有2%为不合格品；而工序故障时产出的零件有40%为合格品，60%为不合格品。工序正常而误认有故障仃机产生的损失费用为1500元/次。对该工序设计效益最好的检查间隔和刀具更换策略。 3）在2)的情况, 可否改进检查方式获得更高的效益。 　 附:100次刀具故障记录(完成的零件数) ? 459 362 624 542 509 584 433 748 815 505 612 452 434 982 640 742 565 706 593 680 926 653 164 487 734 608 428 1153 593 844 527 552 513 781 474 388 824 538 862 659 775 859 755 649 697 515 628 954 771 609 402 960 885 610 292 837 473 677 358 638 699 634 555 570 84 416 606 1062 484 120 447 654 564 339 280 246 687 539 790 581 621 724 531 512 577 496 468 499 544 645 764 558 378 765 666 763 217 715 310 851 三、 问题的假设条件 1关于刀具寿命x：由于故障出现的随机性，刀具寿命x是一个随机变量。根据历史数据可以假定x服从正态分布N(600, 196.63 2 )（见模型的检验）； 2关于其他故障： 由于工序故障在绝大多数场合是由刀具损坏引起的，在一把刀具的寿命周期中，其他故障是一个小概率事件，所以方案设计主要根据刀具故障的动态过程。 3关于故障与否的判断：工序故障是通过检查零件是否合格来判断，这在问题一是完全准确的，而在问题二中可能会有误判。 4关于费用参数：本文理解零件损失费为不合格品损失。在问题一中故障时必产生不合格品，也就是说工序故障零件必损失 。在问题二中工序故障时不全损失，而工序正常时也可能有损失。零件损失费用200元/件；检查的费用(10元/次); 发现故障进行时更换一把新刀具的费用(包括刀具费)(3000元/次) 未发现故障时更换一把新刀具的费用(1000元/次)；工序正常而误认有故障停机产生的损失费用为1500元/次。 5关于效益（优化目标）：使用较小的费用生产较多的零件，我们基于产品的平均费用最小为优化目标。 四、 问题一的模型与求解 1 .基本模型 设n表示检查间隔，m表示定期换刀周期。当检查发现不合格品或到达m则停机，此为一个加工周期。在这样一个周期内，设生产了np个零件。由于不是逐个检查，因此当刀具达到寿命即发生故障时有可能未能检测到，导致 np个零件中有可能有不合格品。一个周期内的总费用由检查费、换刀费、零件损失费组成。通过对n、m优化，使平均费用（总费用/完成零件个数）尽可能达到最小。而平均费用是随机变量x(零件寿命)的函数，最后在模型中转化为使平均费用的数学期望最小。即 min E(L)/E(np) （1） 总损失费用: L=200bp+10e t +kf ; 生产零件数: ; （{a}表示不小于a的整数）; 检验次数: e t = []; （[a]表示不超过a的整数）; 不合格品数 bp =max(np -x+1,0 ); 换刀及调节费: kf = 2．简化模型 由于基本模型中包含非线性部分求解困难。当n不太大时可简化如下： 那么 从而，单位零件期望费用