文档介绍：该【自动化车床管理的最优解决方案探析 】是由【phljianjian】上传分享，文档一共【17】页，该文档可以免费在线阅读，需要了解更多关于【自动化车床管理的最优解决方案探析 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。自动化车床管理的最优解决方案
摘要
本文解决的是自动化车床管理中检查间隔和***更换策略的最优化问题,我们对题目中所给数据用Excel进行了统计分析,并通过卡方拟合检验法进一步验证消灭故障时生产的零件数听从正态分布,为此我们分别对以下三个问题建立概率模型来求解。
对于问题一:该问题属于优化问题中的概率数理统计问题,通过Excel对表格中的数据进行数据统计分析,我们发觉故障发生时所完成的零件数符合正态分布,因此我们建立连续型随机大事模型并用MATLAB解出每个零件损失费用最小值为,即换刀次数为359件,检查间隔为18件时为最优策略。
对于问题二:分析得***故障符合正态分布概率密度曲线,因此可以建立一个随机模型。在一个换刀周期内要么每次抽到合格品,要么换刀之前抽到次品。每次抽到合格品又可以分两种状况,即工序正常时抽到98%的合格品和工序故障时抽到40%的合格品;换刀前抽到次品又可分为两种状况,即工序故障时抽到60%不合格品和工序正常时抽到2%不合格品。我们把工序正常时抽到2%不合格品整合到前三种状况中,最终通过MATLAB求得最优解,即损失费用。当换刀次数为287件,检查间隔为72件时获得最好的效益。
对于问题三:在其次问的基础上,我们将检查策略改为:若抽到正品则认为机器正常,抽到次品则连续抽查两次,可以减小每个零件损失的期望值。
最终,分别对模型一,模型二对样本均值与样本方差以及概率方面进行灵敏度分析,并比较了这些量的转变对每个零件损失期望值的影响。
关键词:正态分布概率模型数理统计灵敏度分析
目前中国机床产业仅仅在规模方面具有相对比较优势,与机床制造强国相比,在结构、水平、研发和服务力量等方面都还存在明显的差距。但有些行业如铁路、航空、能源等行业对机***旧有较大需求,尤其是汽车制造行业开头回升。随着制造业市场需求的变化、产品升级需求的释放、“振兴规划”和“重大专项”政策的出台,产品结构在不断优化,机床行业将消灭结构性复苏机会。
一道工序用自动化车床连续加工某种零件,由于***损坏等缘由该工序会消灭故障,其中***损坏故障占95%,其它故障仅占5%。工序消灭故障是完全随机的,假定在生产任一零件时消灭故障的机会均相同。工作人员通过检查零件来确定工序是否消灭故障。现积累有100次***故障记录,故障消灭时该***完成的零件数如附表。现方案在***加工肯定件数后定期更换新***。
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;
发觉故障进行调整使恢复正常的平均费用d=3000元/次(包括***费);
未发觉故障时更换一把新***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***更换策略。
2)假如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停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***更换策略。
3)在2)的状况,可否改进检查方式获得更高的效益。
附:100次***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
假设一:工序消灭故障是完全随机的,假定在生产任何一零件时消灭故障的机会均相等。
假设二:由于***损坏故障比率较大,则忽视其它故障对计算结果的影响。
假设三:更换***和发觉故障进行调整使恢复正常使用,这两者都看做一个周期,之后又是另外一个周期的开头。
假设四:题中所给的数据都是通过试验论证,正确合理并且没有错误。
假设五:对于某一个***的寿命可以近似用该点的概率密度表示。
假设六:因误判而停机只有误判停机损失费,它的一个周期没有结束。
符号
符号说明
故障时产出的零件损失费用
进行检查的费用
发觉故障进行调整使恢复正常的平均费用
未发觉故障时更换一把新刀的费用
工序正常而误认有故障停机产生的损失费用
***损坏故障的概率密度函数
第种状况该大事发生的概率
每个零件损失费用的期望值
一个周期内损失费用的期望总和
第种状况损失费用的期望和
一个周期内生产合格零件的期望值
第种状况生产合格零件的期望值
第种状况损失的费用
第种状况生产的合格零件数
每生产个零件换一次***即换刀周期
每生产个零件检查一次
换刀前消灭故障时生产的合格零件数
一次换刀周期的检查次数
工序消灭故障时产出不合格品的概率
工序正常时产出合格品的概率
通过对100次***故障记录的完成零件数观看争辩及用Excel处理验证,可以估量***故障分布函数,其听从正态分布,依据记录数据求出了,则有发觉这100次***故障时完成的零件数近似听从的正态分布。
我们就大胆的假设这100次***故障数据近似听从正态分布,再用卡方拟合检验法来进一步验证。我们用来作为检验统计量。
我们假设***使用寿命近似听从的正态分布,
:表示总体的分布函数是;
:表示总体的分布函数不是;
若,则成立,即假设成立;若,则成立,即假设不成立;分析题中所给数据可以知道:的最小值为84,最大值为1153,,每组间隔,用Excel画出频数直方图如上。
数出落在每个小区间的数据频数,算出,,,得到如下表所示:
卡方分布检验正态分布表格
组限
频数
频率
3
4
7
-
16
25
20
13
7
3
2
100
1
1
100
其中
计算得:=
通常我们取,
故有<,,即总体X的正态分布函数。
由此我们得出***寿命X听从正态分布。
通过对车床故障数据的数理统计我们发觉车床消灭故障时所产生的零件数符合正态分布函数,车床的故障来自于95%***故障和来自于5%其它故障这两方面因素所致,此外对于另外5%的其它故障由于概率较小,可以当做小概率大事,临时忽视。
本文求解损失效益最小状况下,支协作理的检查间隔与换刀策略。分析得知车床消灭故障时所产生的零件数符合正态分布函数,因此可以建立一个随机模型来解决损失最小的优化问题。最终使在一个换刀周期内,损失费用的总期望值与生产合格产品的总期望值比值最小。
在一个确定的换刀周期内,分析易得这个周期内只会消灭两种状况:要么每次抽到合格产品要么在换刀之前抽到次品。求出两种状况下损失的费用再分别求出两大事发生的概率,即为损失费用的总期望值。同理可以求出一个周期内生产合格产品的总期望值。
对于问题一:分析得***故障符合正态分布概率密度曲线,因此可以建立一个随机模型。在一个***更换周期内,题中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。那么只有两种状况换刀前机器正常或换刀之前机器故障。易计算这状况下的每个零件损失期望值的表达式,最终在MATLAB中编程求出符合题意的最优解。
对于问题二:分析得***故障符合正态分布概率密度曲线,因此可以也建立一个随机模型。但题中假设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。总体求解思路不变,在一个换刀周期内要么每次抽到合格品,要么换刀之前抽到次品。各种状况方框图表示为:
由于单独考虑第4种状况会比较简单,但分析得前三种状况包含第4种状况的一小部分,因此可以把第4种分别放在前三种状况中考虑,最终在MATLAB中编程求出符合题意的解。
对于问题三:同理可以建立一个随机模型,在问题二的状况,可否改进检查方式获得更高的效益。在其次问求解时,我们抽查零件时都是等间距的。分析得***故障数据近似听从正态分布,也就是说在开头的一段时间内零件消灭故障的概率较小,随后加大。因此等间距检测就消灭弊端,所以我们考虑不等间距检测,依据***故障数据正态分布函数,开头检测间距大一些,之后检测间距小一些。或每次检测连续检查两次,可以大大减小抽到次品和误判而停机的概率。
:
通过对问题一的分析我们确立了目标函数
每个零件的损失费用的期望值为一个周期内损失费用的期望总和与生产合格零件的期望值之比,越小则获得的效益越高,的最小值表达式为:
对于损失费用的期望总和为换刀前不消灭故障的损失费用期望和和换刀前消灭故障的损失费用期望和之和。而损失费用的期望为损失费用与此大事发生概率的乘积:
同理得到换刀前生产合格零件的期望值的表达式为:
第一种状况即换刀之前没有消灭故障的损失费用期望值,为检查费用和换刀费用之和再乘以该大事发生的概率,表达式为:
所以
其次种状况即换刀之前消灭故障的损失费用期望值,为检查费、故障修理费和零件损失费三者之和再乘以该大事发生的概率,其表达式为:
大事概率为第个零件恰好为坏的概率为:
所以:
同理,生产合格零件的期望值的表达式为:
:
依据MATLAB程序求得:(见附录问题一)
每个零件损失费用最小值为
即当检查间隔为18件,***的额定寿命为359件时可使损失费用最小。
依据题意,工序正常时产出的都为合格品,故障时产出的都为不合格品,我们考虑了换刀前消灭故障和换刀前不消灭故障这两种状况,并分别用MATLAB编程求解,最终我们得到模型最优解,即检查间隔为18件,***的额定寿命为359件时损失费用最小。由于***的额定寿命为359,通过6SQ分析得出它的期望值为600,359/600=%,有效的避开后面***故障发生的高峰期,比较符合实际状况。
通过对问题二的分析我们确立了目标函数:
(1)第一种状况下损失费用的期望值,为检查费用、换刀费、零件损失费及误判损失费之和再与此大事发生概率的乘积。
所以:
(2)其次种状况下损失费的期望值,为检查费、故障修理费、零件损失费和误判停机费之和再与此大事发生概率的乘积。
所以
(3)第三种状况下损失费用的期望值,为检查费、故障修理费、误判停机费及零件损失费之和再与此大事发生概率的乘积。
损失费用