2024数模b题-问题一思路构建
样本量计算
根据置信空间的计算公式,
逆累积分布函数(ICDF):
- 逆累积分布函数(ICDF)是从累积分布函数的值反推出对应的Z分数。
- 在MATLAB中,norminv 函数就是计算标准正态分布的逆累积分布函数的值
我们通过这个公式来得到
我们可以得到
对于95%置信水平,我们能得到Z=1.96
对于90%置信水平,我们能得到Z=1.645
接下来我们可以根据两种情况来判断,
第一种:
在95%置信水平下,当p1>p0=10%时,拒收这批零配件, 当样本检测到的次品率显著高于 标称值时拒收
第二种:
在90%置信水平下,当p2<p0=10%时,接收这批零配件,当次品率在一个合理的范围内,接收这批零配件。
因此我们可以计算样本量的值,
利用两个临界值的Z,求得95%和90%置信程度下的 最小样本量
但是还是有一个问题那就是,我们让样本足够小,但是接受率我们没有进行限定,因此我们还要讨论接受率p和样本量n的关系
p值在统计假设检验中起着核心作用。它提供了关于样本数据与假设之间一致性的度量。具体来说,p 帮助我们判断在给定的零假设(H0)下,观察到的数据(或更极端的数据)发生的概率有多大。
然后我们去找到关于p 和 n 的关系图然后得到
问题二
思路
企业要在生产过程中做出决策,然后找到最小的总成本数,然后根据零配件,成品,不合格成品的选择进行动态规划,找到最优解进行优化。
模型设计
此题的关键就是考虑状态转移方程,动态规划的思路
为了使模型更加清晰,我们可以将问题划为三个阶段
第一阶段:零配件采购和检测
第二阶段:成本的装配和检测
第三阶段:不合格成品的调换和拆解
我们来利用这三个阶段进行动态规划模型的建立
动态规划模型分析
- 问题定义给定一系列的成本和概率参数,我们需要决定在每个阶段应该采取的最佳行动,从而最大化总收益或最小化总成本。
定义自变量
n:批量大小(生产的产品数量)。
p_1:零配件1的次品率。
p_2:零配件2的次品率。
fp:成品的次品率。
cg1:零配件1的采购单价。
cg2:零配件2的采购单价。
jc1:零配件1的检测成本。
jc2:零配件2的检测成本。
zp:成品的装配成本。
cjc:成品的检测成本。
dh:成品的调换损失。
cj:不合格成品的拆解费用。
s:成品的市场售价。
2.状态表示
第一阶段:零配件采购和检测
状态表示 (a1,a2)
a1表示是否检测零配件1,a2表示是否检测零配件2 (1表示检测,0表示不检测)
第二阶段:成本的装配和检测
状态表示 a3
a3表示是否检测成品(1表示检测,0表示不检测)
第三阶段:不合格成品的调换和拆解
状态表示 a4
a4表示是否拆解不合格产品(1表示拆解,0表示不拆解)
3.转移方程
第三阶段:不合格成品的调换和拆解
这种分两种情况
第一n种:拆解不合格成品
那么得到a4=1
则状态转移方程可得到
Y(3,1)=−cj⋅n1−(zp+cjc)⋅n1
第二种:不拆解不合格成品
由于 a4=0
则得到
Y(3,0)=0
第二阶段:成本的装配和检测
这个也是分两种情况
第一种:不检测成品
那么得到a3=0
不检测成品状态转移方程为
Y(2,0)=−fp⋅dh⋅
标签:检测,2024,cg1,数模,构建,成品,零配件,cg2,dp From: https://www.cnblogs.com/m0yu/p/18524047