下载文档原格式
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)459362624542509584433748815505 612452434982640742565706593680 9266531644877346084281153593844 527552513781474388824538862659 775859755649697515628954771609402960885610292837473677358638 699634555570844166061062484120 447654564339280246687539790581 621724531512577496468499544645 764558378765666763217715310851三、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。
自动化车床管理摘要本文是关于一道工序用自动化车床连续加工零件，通过设计最优化的检查间隔和更换刀具周期来使工序出现故障时损失费用最小的问题。
对于出现故障的原因，通过证明5%的其他故障对产生的平均费用影响不大，所以我们忽略了仅占5%的其它故障。
另外，我们对100次刀具故障记录进行Excel软件处理，得出它是服从)(~N正态分布的，最终通过Matlab编程得出了结果。
600196.5777,对于问题一：工序故障时产出的零件均为不合格品，正常时产出的均为合格品，我们通过建立概率模型，将问题转化为三个部分，即Q M<<，>，aN Q M ≤，并考虑各个部分的检查费、故障维修费、废品零件损失费和换刀费，Q aN从而求得每一种情况下的一个周期内的损失费用W及一个周期内生产正品的个数G，由此求出一个周期内每个正品所承担的平均损失费用z。
在保证z最小的情况下求出相应的检查间隔N和刀具更换周期M。
最终通过Matlab编程计算得：N=27，M=269，z=3.58844。
对于问题二：本问是在问题一的基础上加以改进的，即要求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，所以刀具变坏之前就会有2%的零件损失费，而在刀具变坏之后只有60%的零件损失费。
另外工序正常时也会被误认有故障停机而产生停机损失费用，从而建立概率模型，同样将问题转化为三个部分，即Q M>，≤，由此求出一个周期内每个正品所承担的平均损失费用z。
<<，Q aNaN Q M在使z最小的情况下求出相应的检查间隔N和刀具更换周期M。
最终通Matlab 编程计算得：N=46，M=275，z=13.7230。
对于问题三：此问对问题二中检查方式进行的改进，通过连续检查两个产品，并计算出两个产品都为正品、一正一次和都为次品时各自相应出现故障的概率，以确认工序是否有故障，从而建立了自动化车床生产工序较为合理的管理方案。
自动化车床管理模型摘要本题是对自动化车床管理问题进行了讨论，将检查间隔和刀具更换策略的确定归结为单个零件期望损失最小的一个优化问题，并提供了有效算法。
对问题一，得到检查间隔18，定期换刀间隔342，相应的单个零件期望损失费用为4.7944元。
对于问题二，在问题一模型的基础上深入考虑工序正常时产出的零件不全是合格品，有2%为不合格品和工序故障时产出的零件有40%为合格品，60%为不合格品对单个零件期望的影响，最后用MATLAB7.1编程得到检查间隔为93，定期换刀时间为279，相应单个零件损失费9.6846元。
对于问题三，可以降低问题二中工序正常而误认有故障的概率。
关键字：期望、优化问题、检查间隔、刀具更换策略问题重述零件加工中刀具损坏故障占95%, 其它故障仅占5%。
工序出现故障完全随机, 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。
问题1), 对该工序设计出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。
问题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。
对该工序设计效益最好的检查间隔和刀具更换策略.问题3）在2)的情况, 改进检查方式获得更高的效益。
模型假设1 单个零件加工时间为12 第一问中5%的其他故障不考虑3 开始生产加工时，机器和刀具都是新的4 不考虑检测和换刀时间5 相邻两次刀具更换时间为一个周期6 生产任意零件出现故障的概率相同7 定期换刀时间和检查周期呈线性关系变量说明f故障时产出的零件损失费用t 进行检查的费用d 发现故障进行调节使恢复正常的平均费用k 未发现故障时更换一把新刀具的费用c工序正常而误认有故障停机产生的损失费用T 无故障工作时间x 定期换刀时间a 为x y 线性关系系数，x=ayy 检查周期H 换刀周期（相邻两次换刀时间）G（T）分布函数g(T) 概率密度E（F）周期平均费用E(H) 平均周期S 单个零件的平均损失问题分析问题一，为了方便讨论，把相邻两次刀具更换时间为一个周期，只要工作人员检查时发现不合格品就换刀，否则按照定期换刀时间换刀。
数学建模自动化车床管理数学建模：自动化车床管理一、引言自动化车床管理是现代制造业中的重要环节，通过合理的管理和优化，可以提高生产效率和产品质量。
为了实现自动化车床管理的科学化、规范化和高效化，需要进行数学建模分析，以便找到最优的管理策略和决策方案。
二、问题描述在自动化车床管理中，存在以下几个关键问题需要解决：1. 生产计划优化问题：如何合理安排车床的生产计划，以最大程度地提高生产效率和资源利用率？2. 设备故障预测问题：如何通过数学建模分析，提前预测车床的故障情况，以便及时进行维修和更换？3. 零部件供应链优化问题：如何通过数学建模分析，优化零部件的供应链管理，以确保及时供应和减少库存成本？三、数学建模方法针对上述问题，可以采用以下数学建模方法进行分析和求解：1. 线性规划模型：通过建立生产计划优化的线性规划模型，考虑生产能力、设备利用率、订单需求等因素，以最大化产量和利润为目标，确定最优的生产计划。
2. 时间序列分析模型：通过对历史数据进行时间序列分析，建立车床故障预测的模型，包括趋势分析、季节性分析、残差分析等，以便提前预测故障情况，采取相应的维修和更换措施。
3. 随机优化模型：通过建立供应链的随机优化模型，考虑供应商的可靠性、交货时间、库存成本等因素，以最小化总成本为目标，确定最优的零部件供应链管理策略。
四、数据收集和处理为了进行数学建模分析，需要收集和处理以下数据：1. 生产数据：包括车床的生产能力、设备利用率、订单需求等数据。
2. 故障数据：包括车床的故障记录、维修时间和维修费用等数据。
3. 供应链数据：包括供应商的可靠性、交货时间、库存成本等数据。
通过对以上数据进行整理和处理，可以得到适用于数学建模的数据集。
五、模型求解和结果分析根据收集和处理的数据，运用上述数学建模方法，可以进行模型求解和结果分析。
具体步骤如下：1. 建立数学模型：根据问题描述，建立相应的数学模型，包括目标函数、约束条件等。
自动化车床管理数学模型
（原创实用版）
目录
一、引言
二、自动化车床管理的数学模型
1.模型建立
2.模型解法
三、结论
正文
一、引言
随着制造业的迅速发展，自动化车床在生产过程中发挥着越来越重要的作用。
如何有效地管理自动化车床，提高生产效率，降低生产成本，成为了许多企业亟待解决的问题。
为此，本文针对 1999 年全国大学生数学建模竞赛 A 题——自动化车床管理问题，建立了一个完整的数学模型，
并给出了该数学模型的解。
二、自动化车床管理的数学模型
1.模型建立
在分析自动化车床管理问题的基础上，我们首先建立了一个数学模型。
该模型主要包含以下要素：
（1）车床数量：假设有 n 台车床；
（2）加工零件：每个车床可以加工不同类型的零件；
（3）加工时间：每台车床加工不同类型零件所需的时间不同；
（4）优先级：考虑不同类型零件的优先级，优先级高的零件优先加工。
基于以上要素，我们建立了一个线性规划模型，以最小化生产总时间为目标函数，以每台车床加工每种零件的时间为约束条件。
2.模型解法
为了求解该数学模型，我们采用了线性规划方法。
具体步骤如下：（1）根据约束条件，构建不等式约束条件表示的生产可行域；
（2）在可行域内寻找使目标函数最小化的最优解；
（3）求解最优解对应的生产方案，即每台车床加工哪些零件。
通过以上步骤，我们得到了最优的生产方案，从而实现了自动化车床的有效管理。
三、结论
本文针对自动化车床管理问题，建立了一个线性规划数学模型，并求解了该模型。
通过该模型，企业可以有效地管理自动化车床，提高生产效率，降低生产成本。
自动化车床管理的问题摘要本文解决的是自动化车床加工零件时，确定刀具检查间隔和刀具更换策略的问题。
利用6SQ软件对刀具故障记录进行过程能力分析，并用安德森-达令正态性检验证明了刀具故障时完成的零件数是服从σ=196.6，μ=600的正态分布。
为了得到最大效益，我们建立了单目标多变量的非线性优化模型。
对于问题一：我们以单个合格产品的平均费用多少作为目标函数。
在一个刀具更换周期中，用单个合格产品的平均费用为目标函数，限定刀具检查间隔的范围，用穷举法求得最优解：单个合格产品的最低平均费用：T=4.7789，刀具检查间隔：m=19，刀具更换间隔：n=341。
min对于问题二：工序正常与否都将产生一定数量的合格与不合格产品，所以依据每次对最后一个产品的检查结果来判断工序故障情况是不完全可靠的。
考虑到每一个换刀周期中，是否能及时检测出故障对总费用影响较大，所以分别讨论在不同检测周期中检测出故障的费用情况，再加以综合，用穷举法得到最优解：单个合格产品的最低平均费用：T=10.0847，min刀具检查间隔：m=38，刀具更换间隔：n=303。
对于问题三：在第二问的基础上，为减少故障误判率，我们以最后两个产品的合格情况作为工序故障与否的判断依据，其最好效益为单个合格产品的平均最低费用。
在给定刀具检查间隔的约束范围内，用MATLAB求得最优解：单个合格产品的最低平均费用：T=10.2295，min查间隔：m=71，刀具更换间隔：n=283。
最后，我们通过对数据进行灵敏度分析，得到实际生产中控制达到最大利益的有效方法主要是控制工序正常时出现不合格产品的概率。
关键词：正态分布安德森-达令正态性检验穷举法灵敏度分析1. 问题重述自动化车床生产零件时，随时可能出现机器故障导致工序异常，这不仅会影响产品的质量并造成零件损耗，而且对故障进行修复也会耗费很大的成本，因此，定期检查和更换刀具是减少损耗的一种方法，怎样设计检查间隔和刀具更换策略才能使效益最好，是我们需要解决的问题。
自动化车床管理数学模型一、引言随着制造业的不断发展，自动化车床在生产过程中的应用越来越广泛。
然而，如何有效地管理自动化车床以提高生产效率、降低成本并保证产品质量成为企业面临的关键问题。
本文针对这一问题，构建了一个自动化车床管理数学模型，以期为车床管理者提供有益的决策依据。
二、自动化车床管理数学模型的构建1.数据收集与处理为实现自动化车床管理数学模型的构建，首先需收集车床相关数据。
这些数据包括生产过程中的产量、成本、设备利用率、故障率等。
在收集数据的基础上，对原始数据进行清洗和处理，以便后续分析。
2.变量选取与模型设计根据车床生产过程的实际情况，选取影响生产效率、成本和质量的关键因素。
这些因素包括设备参数、工艺参数、操作人员技能等。
针对这些因素，设计一个多元线性回归模型，以揭示各变量之间的关系。
3.模型验证与优化为保证模型的准确性和实用性，需对模型进行验证。
常用的模型验证方法有内部验证、外部验证等。
在验证过程中，若发现模型拟合效果不佳，可对模型进行优化，如调整变量、修改参数等。
三、模型应用与分析1.自动化车床生产效率分析利用构建的数学模型，对企业自动化车床的生产效率进行分析。
通过对生产数据的模拟，为企业提供优化生产计划、提高设备利用率等方面的建议。
2.生产成本分析基于模型，分析车床生产过程中的成本构成，为企业提供降低成本的途径。
例如，通过分析不同产品的生产成本，指导企业进行产品结构调整，以实现利润最大化。
3.产品质量分析运用模型分析产品质量与各影响因素之间的关系，为企业提供改进产品质量的方法。
例如，通过分析工艺参数对产品质量的影响，指导企业调整生产工艺，提高产品合格率。
四、结论与展望本文针对自动化车床管理问题，构建了一个数学模型。
通过模型应用与分析，为企业提供了提高生产效率、降低成本和保证产品质量的途径。
然而，本文构建的模型尚有一定局限性，未来研究可进一步探讨更复杂的非线性模型，以提高模型的预测能力。
自动化车床管理数学模型摘要：I.引言- 自动化车床管理背景- 研究的目的和意义II.自动化车床管理数学模型的建立- 基本概念和定义- 数学模型的主要组成部分- 各部分之间的关系和影响III.自动化车床管理数学模型的求解- 求解方法的选择- 求解过程的步骤和结果- 结果的分析和解释IV.自动化车床管理数学模型的应用- 实际应用场景的描述- 模型在实际应用中的优势和局限性- 改进和优化模型的建议V.结论- 对自动化车床管理数学模型的评价- 对未来研究的展望正文：I.引言随着制造业的发展，自动化车床在生产中的地位越来越重要。
自动化车床管理问题也随之浮出水面，如何有效地管理自动化车床，提高其工作效率和使用寿命，成为了制造业亟待解决的问题。
为此，研究人员提出了自动化车床管理数学模型，希望通过数学方法对自动化车床进行科学管理。
II.自动化车床管理数学模型的建立自动化车床管理数学模型的建立，首先需要对自动化车床的基本概念和定义进行明确。
自动化车床是一种采用自动化技术，实现加工过程的机器。
自动化车床管理数学模型主要包括以下几个部分：1.自动化车床的基本参数：包括车床型号、加工能力、刀具寿命等。
2.生产计划：包括加工任务的数量、加工时间、加工顺序等。
3.调度策略：包括优先级调度、时间窗调度、约束调度等。
4.故障和维护：包括故障率、故障时间、维修时间等。
这些部分之间相互影响，共同决定了自动化车床的运行状态和工作效率。
III.自动化车床管理数学模型的求解自动化车床管理数学模型的求解，需要选择合适的求解方法。
常用的方法有线性规划、遗传算法、模拟退火算法等。
以下以线性规划为例，介绍求解过程的步骤：1.确定目标函数：如减少加工时间、降低故障率等。
2.建立约束条件：包括生产能力、刀具寿命、故障时间等。
3.确定变量：如加工任务数量、加工时间、刀具选择等。
4.求解线性规划模型：使用线性规划求解器，求解得到最优解。
通过求解自动化车床管理数学模型，可以得到最佳的生产计划和调度策略，从而提高车床的工作效率和使用寿命。
2017年数学建模论文第 5 套论文题目：自动化车床管理专业班级姓名：专业班级姓名：专业班级姓名提交日期：2017.7.19自动化车床管理摘要本文研究了自动化车床的管理问题，将检查间隔和刀具更换策略的确定归结为单个零件期望损失最小的一个优化问题，我们利用原始数据在matlab中进行处理，建立了以期望损失费用为目标函数的数学模型。
首先对于题目中给出的100次刀具故障记录的数据在matlab中画出频率直方图，我们可以看出，数据基本是符合正态分布的，我们借用jbtext函数对这些数据进行处理和正态性校验，可以得出样本符合正态分布的假设，然后我们用求得概率密度函数的期望和标准差，然后得出刀具寿命的正态分布函数。
对于问题(1)，我们首先建立以单个零件分摊的费用的损失函数为目标函数，然后我们用概率论及数理统计来建立出非线性优化模型，每个零件分摊的费用记为L，L包括预防保全费用L1,检查费用L2,和故障造成的不合格品损失和修复费用L3.在matlab中进行求解得出最优检查间隔为23个，最优刀具更新间隔为352个，合格零件的平均损失期望为7.61元对于问题(2)，根据题目信息,不管工序是否正常都有可能出现正品和次品，我们在问题一上，加入检查间隔中的不合格品带来的损失，同时还有误检带来的损失，然后建立出每个零件的期望损失费用作为目标函数的优化模型，在matlab 中用穷举法进行求解得出最优检查间隔为30个，最优刀具更新间隔为308个，合格零件的平均损失期望为10.07元。
对于问题(3)，我们将第二题的模型，改变为如果检查为合格品时多检查一次，如果第二次仍然为合格品，我们则判定为工序正常，否则认为故障，改变第二问中的L2和L3，优化模型进行求解得出最优检查间隔为20个，最优刀具更新间隔为375个，合格零件的平均损失期望为9.50元。
对于第三问我们一直是固定检查间隔，我们也可以利用刀具发生故障的函数模型，对检查的间隔也进行调整，检查间隔随函数变换，这一问还没有具体讨论。
关键词：正态分布非线性优化模型穷举法损失函数自动化车床管理一、问题重述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%，其他故障仅占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件表。
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=20元/次；发现故障进行调节使恢复正常的平均费用d=4000元/次（包括刀具费）；未发现故障时更换一把新刀具的费用k=1500元/次。
1）假定工序故障是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停机产生的损失费用为2000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 505612 452 434 982 640 742 565 706 593 680926 653 164 487 734 608 428 1153 593 844527 552 513 781 474 388 824 538 862 659775 859 755 649 697 515 628 954 771 609402 960 885 610 292 837 473 677 358 638699 634 555 570 84 416 606 1062 484 120447 654 564 339 280 246 687 539 790 581621 724 531 512 577 496 468 499 544 645764 558 378 765 666 763 217 715 310 851二、问题分析对于自动化车床的生产过程中，在工序出现故障的时候，生产的零件在第一问中均为不合格品，第二问中大部分为不合格品，在发现故障后再换刀也会耗费更多的费用，但是如果检查太过频繁或者刀具更换太过频繁也会造成资源的浪费以及费用的增加，所以我们要将问题转换为概率模型来求解。
问题一中我们以生产每个零件的平均费用L作为损失函数，每个零件的平均费用＝预防保全费用+检查费用+故障造成的不合格品损失和修复费用,以此作为目标函数.，然后我们确立题目中的约束条件，其中，刀具损坏占95%，其他故障占5%，故工序平均故障间隔由刀具故障的平均间隔与非刀具故障的平均间隔得出.将信息进行整理得到问题一的优化模型.接着运用Matlab软件求出此问题的最优解。
问题二中，我们在正常工序时可能产生1%的不合格品，而工序故障时也会有40%的合格品，因此会造成误检与漏检，误检会在正常工序检测到不合格品而停机产生费用，而漏检是在机器故障时因为有合格品而不换刀，导致不合格品增加，我们将这两种费用考虑，得到问题二的优化模型，利用matlab软件得出此问题的最优解。
对于问题三，我们可以在问题二的模型上进行改进，因为机器故障时的合格品率为40%，所以我们不能凭借一次的判断就断定机器的故障，因为检查费用一次仅20元，所以我们可以在二的模型中，如果遇到合格品我们就在此进行检验，如果认为合格品则认为工序正常，否则认为故障，这样我们利用第二题的模型，调整下两种误判的式子，就可以得到模型三，然后我们利用matlab来得到优化模型的解。
三、问题假设假设1：所给的100次抽样具有代表性，这些分布就是刀具故障记录的分布；假设2：假设在生产任一零件时出现故障的机会均相等；假设3：假设生产刚启动时使用的刀具都是新的；假设4：对于问题(1)，故障时产出的产品都为不合格品；假设5：假设提供的刀具故障记录数据是独立同分布的；假设5：假设无论刀具损坏故障还是其它故障, 发生故障并使恢复正常的平均费用均为4000元每次；假设7：对于问题(2)，工序故障时可能产出合格品；假设8：假设检查时不停止生产,在检查出不合格零件时才停止再进行维修；假设9：工序故障中有0.95是刀具故障；四、符号说明五、数据处理与分析5.1 刀具正常工作的时间长的概率密度函数频率分布题目中给出了100次刀具故障的记录，我们利用matlab函数画出这些数据的频率直方图(见附录1)。
5.2正态分布拟合度检验从频率直方图我们可以看出，这100此数据基本符合正态分布，于是利用matlab中的jbtext函数对数据进行正态检验(见附录2)。
normplot(X) %用概率纸检验数据是否服从正态分布H = jbtest(X) h为测试结果，如果h=0，则认为x是服从正态分布的；如果h=1，则可以否定x服从正态分布；H = jbtest(X,alpha)[h,p,JBSTAT,CV]=jbtest(x,alpha) p为接受假设的概率，p越接近于0，则可以是拒绝正态分布的原假设。
JBSTAT为测试统计量的值；CV为是否拒绝原假设的临界值，主要是用JBSTAT与CV比较，超过临界值就认为不服从正态分布。
我们运行后可以得到返回值：H =0P =0.5000JBSTAT =0.5427CV =5.4314h=0表示接受正态分布的假设；p=0.5000表示服从正态分布的概率很大，通过以上4个指标，可以得出结论：样本中所给的数据与正态分布函数拟合得很好，我们接受这一假设。
我们通过检测可得出，数据属于正态分布。
然后我们用matlab 可计算出这100此数据的期望为600，标准差为196.6292(见附录3)六、问题一模型建立与求解6.1模型一的建立6.1.1模型的准备损失函数可考虑为生产每个零件的平均费用L.L 包括预防保全费用L1,检 查费用L2,和故障造成的不合格品损失和修复费用L3.由题中信息我们可以得出:一 刀具的平均故障率为:1p c=;二 每个零件的预防保全费用为:1k L T=三 每个零件的检查费用为: 2ct L T = 四 相邻两次检查的后一次发现故障的总不合格品数为m ,则故障造成的每个不合格品的损失和修复费用为:3mf d L c +=五 m 的计算,在相邻两次检查的后一次发现故障的条件下,出现i 件不合格品的概率为()()1/111,2,3,,c c T i T c p p p i T -⎡⎤---=⎣⎦,c T 件零件中不合格品的平均数为;()()11/11c c c T T i T i m i p p p -=⎡⎤=---⎣⎦∑将上式进行Taylor 展开得到下式;()2211212c c T T m p p ο+-=++又由于上面的式子中的p 和()2pο很小可以省略,故得到关于m 的最终式子,即:12c T m +=六 首先根据给出的100个数据算出无预防性更换时,刀具故障平均间隔为a=600件由题设刀具故障占95% ,非刀具故障占5% ,故非刀具平均故障间隔为b=a ·95/5= 11400件. 其次由100个数据确定刀具寿命的经验分布或拟合分布F(x). 七 当进行预防保全定期T 更换刀具时, 刀具故障的平均间隔:()()()()011T T a tf t dt T F T F T ⎡⎤=+-⎢⎥⎣⎦⎰八 工序的平均故障间隔c 由T a 和b 决定,即:111T c a b=+ 则得到c 是T 的函数:T T a b c a b =+6.1.2确定目标函数以生产的每一个合格零件的平均费用L 作为损失函数，那么每个零件的平均费用就等于预防保全的费用加检查的费用和故障造成的不合格零件费用以及修复费用，然后我们就把损失函数L 作为问题一的目标函数：123min L L L L =++6.1.3问题一的模型123min L L L L =++()()()()12301.121190%10%c cTT TT p c k L T tL T mf d L c s t T m a tf t dt T F T F T a b c a b b μ⎧=⎪⎪⎪=⎪⎪⎪=⎪⎪+⎪=⎪⎨+⎪=⎪⎪⎡⎤=+-⎪⎢⎥⎣⎦⎪⎪⎪=+⎪⎪⎪=⎩⎰ 6.2.1模型一的求解根据建立的模型用Matlab 软件将约束式子代入目标函数,利用穷举法得到目标函数的最小值点,然后我们可以得到结果Tc=23 T=352 m=7.6057，因此我们可以得到每隔23个零件就该检查一次，每隔352个零件换一次刀具，每一个合格零件的损失期望是7.61。
