【正文】 ，即此模型比較適用于高等精密度的零件加工，對于ＩＴ等級大于８的零件來說，本文的指導意義不大，具有一定的局限性。h=0。h=0。T=T0.*[1(1q).^u]+Ta.*(1q).^u。function y=myfun2(t)y=t.*exp((t600).^2/(2*^2))./(sqrt(2*pi)*)。v=0。 for n=10:50 j=j+1。平均每個零件的費用：39。q=150.*ones(600,80)。 h=u((n+1)/2+n.*w/(1w)).*u./interval_ave。[x3,y3]=find(q==r3)u3=200+(x31)n3=10+(y31)disp(39。 q(i,j)=C。 interval_ave=quad(myfun2,0,u)./quad(myfun1,0,u)+u./quad(myfun1,0,u)u。e=1500。 endendr2=min(min(q))。for u=1:5:400 i=i+1。w=。平均每個零件的費用：39。for j=1:u1C0=C0+(j.*t./n+d+f.*(n+1)/2).*(1q).^(j1).*q。q=1/11400。 ］，它完全包括均值600，且精度很高；③sig 的值為1，不能拒絕零假設。對于實際一般車床加工過程中。然后針對檢查次數(shù)，再對檢查間隔進行分析。刀具故障分布函數(shù)服從正態(tài)分布，模型比較容易理解，也能反映實際生產(chǎn)中的問題。這樣采取模型三工序效益進一步提高，因此模型三有明顯的優(yōu)勢。 模型三的建立對于問題三，我們改進檢查方式，使其在檢查一個零件后，由于不確定是否會發(fā)生誤判而對零件的檢查次數(shù)重新考慮，從而獲得更高的的效益。針對這種情況，我們首先要求出一個換刀周期內換刀次數(shù)的期望值。首先求非刀具故障和刀具故障總的分布函數(shù)：在已知刀具壽命的分布函數(shù)的情況下，我們將從換上新刀到下一次工序故障或預防性換刀作為一個周期，然后計算一個周期內每個零件的平均費用，我們已經(jīng)假設其它隨機原因對于任何一個零件出現(xiàn)故障的機會相同，親相互獨立我們假設服從幾何分布其分布函數(shù)為：由題意知，刀具損壞故障占工序故障的95%，而其它故障占5%，近似求得：求得所以總的故障間隔的分布函數(shù)然后求一個周期內平均損失費用對于模型一，可分為兩種情況進行考慮第一種情況：設每檢查個零件檢查一次，第次檢查換刀具。我們首先對零件的檢查次數(shù)作考慮，可以對零件進行檢查兩次，也可以檢查三次，實際上，由于時間因素，我們對進行兩次檢查進行計算，發(fā)現(xiàn)誤判的的概率已經(jīng)很小。然后考慮刀具更換周期，由于假設其他隨機原因對任一零件出現(xiàn)故障的幾率相同且相互獨立，對于刀具更換周期來說，因為它是的函數(shù)，所以也是隨機變量，求其數(shù)學期望值可以求出期望周期長。題目要求我們設計效益最好的檢查間隔和刀具更換策略。②如果該工序正常時產(chǎn)出的零件不全是合格品，有2%為不合格品；而工序故障時產(chǎn)出的零件有40%為合格品，60%為不合格品。關鍵詞：卡方擬合正態(tài)分布檢驗 窮舉法 單目標期望 靈敏度分析 問題背景一個基于小型控制的自動化系統(tǒng)，應該能結合其所使用的輸入輸出模塊、操作儀器設備和網(wǎng)絡元器件，以此構成一個經(jīng)濟的自動化解決方案在這方面，有大量適用于各種專業(yè)技術規(guī)范的模塊化零部件可供使用，在加工機床自動化控制功能的范圍內，需要針對機床的運動定位數(shù)據(jù)、原材料長度數(shù)據(jù)、工作時的溫度數(shù)據(jù)和加工的工件數(shù)量，及零件的好壞等進行采集和匯總，及時的檢驗生產(chǎn)的質量的好壞，便于對機器進行修理，減少不必要的損失，以提高經(jīng)濟效益。最后，綜合這兩個過渡模型，建立了以每個零件的平均費用為目標函數(shù)的單目標最優(yōu)化模型。為了使總的期望損失達到最小，進而使工序得到最好的效益，我們針對三個不同的問題建立了三個最優(yōu)化模型。然后列出以單個零件的期望損失為目標函數(shù)，關于檢測間隔和刀具定期更換間隔為變量的目標函數(shù)方程建立了一個單目標的期望值模型。首先根據(jù)是否發(fā)生刀具故障分別求出每個零件的損失費用。工作人員通過檢查零件來確定工序是否出現(xiàn)故障。③在②的情況, 可否改進檢查方式獲得更高的效益。給定檢查間隔，對零件做檢查，若刀具正常則不干涉設備的工作，到了定期更換刀具的時期，即使設備未出現(xiàn)故障，也要更換刀具。另一種情況是在工序故障時檢查到合格品，這種情況下，零件將會繼續(xù)生產(chǎn)直到下一檢查的到來，因此，生產(chǎn)的不合格品損失將會增加。我們考慮在問題二的檢查方式上加以改進得到更好的經(jīng)濟效益，我們考慮采用不相等間隔的檢查周期，在問題（1）和問題（2）中，我們得知：無論檢查周期的長短都要檢查n個零件，但是實際上，隨著檢查周期的不斷縮短，檢查的零件數(shù)n也要減小；其次由于考慮到新的刀具在生產(chǎn)的初期產(chǎn)生不合格零件的概率相對較小，若在開始加大檢查間隔會減少損失費，以后逐漸減少檢查的間隔，采取不等距檢查的策略來降低損失費用，即在穩(wěn)定期內檢查時間間隔大，在非穩(wěn)定期內檢查間隔小，由刀具失效概率函數(shù)可知檢查工序出現(xiàn)故障間隔是隨著換刀周期遞減的。得到的主要結果如下表（詳細結果見附錄三）： 一個檢查間隔內完成的零件件數(shù)，單位（件）在一個換刀周期內完成的零件件數(shù)，單位（件）單個零件的損失費用單位（元）18360我們對模型一中部分結果用如下表格表示：由表3可以看出u和n的取值都會制約C的取值，當u和n的取值分別為360和18時，目標函數(shù)的值最小，而當u和n的取值越接近這個值時，目標函數(shù)的值越接近這個最小值，所以我們認為C=。 針對模型二，我們對部分結果進行分析（見表6），當u固定時，目標函數(shù)C的會發(fā)生變化，說明檢查間隔制約著最小費用。刀具未發(fā)生故障而采取預防性更換的損失費用為：刀具發(fā)生故障引起的損失費用為：刀具更換的平均周期為：一個周期內的平均損失為：所以問題三的目標函數(shù)為： 單個零件的平均損失費用 ，得到問題三的最優(yōu)化模型 模型三的求解對問題三建立的模型，我們用Matlab進行積分運算，我們的計算方法同模型一的求解，考慮到實際情況，不可能一次只檢查一個零件，也不可能檢查一次就換刀，所以我們判定和必定落在（10～100）之間，我們以先對u的取值以5為步長計算費用，確定最小費用的范圍后，對u的取值精度進一步提高，得到模型二的結果如下表（詳細結果見附錄七）：一個檢查間隔內完成的零件件數(shù)，單位（件）在一個換刀周期內完成的零件件數(shù)u，單位（件）單個零件的損失費用單位（元）29319從表中數(shù)據(jù)我們得知當，當設計方案為：檢查間隔n=29件，即生產(chǎn)29件零件檢查一次；換刀周期=319件，即每生產(chǎn)319件零件換刀；單個零件的損失費用C=。 p=1/1140, 其它參數(shù)不變然后對非刀具故障率p進行考慮，將非刀具故障率調整到1/，得到的結果如下表：表 7 參數(shù)p的靈敏度分析u n13141516350355360365370375380385390395400與問題一的結果相比，當非刀具的平均故障率增大時，n減少，每個零件的平均成本降低，這是由于p增大時，刀具的平均故障率減小，而由刀具故障產(chǎn)生的損失在總平均費用中的權重減少。