2024高教社杯全国大学生数学建模竞赛B题保姆级分析完整思路+代码+数据教学

本文主要是介绍2024高教社杯全国大学生数学建模竞赛B题保姆级分析完整思路+代码+数据教学,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

2024高教社杯全国大学生数学建模竞赛 B题保姆级分析完整思路+代码+数据教学

B题题目:农作物的种植策略

接下来我们将按照题目总体分析-背景分析-各小问分析的形式来

1 总体分析

题目提供了一个电子产品生产的案例,要求参赛者建立数学模型解决企业在生产过程中的一系列决策问题。以下是对题目的总体分析:

问题一需要企业需要从供应商购买零配件,并且需要设计一个抽样检测方案,来决定是否接受供应商提供的零配件。题目要求设计一个能够尽可能减少检测次数的方案,分别在95%和90%的置信度下,判断零配件的次品率是否超过标称值。这个问题的核心是基于统计学的抽样检验,涉及假设检验和置信区间的计算。需要考虑标称值为10%的情况下,如何设计抽样数量,使得在满足不同置信水平的条件下进行接收或拒收决策。

问题二则:在生产过程中,企业需要在多个阶段做出决策,包括:

  • 是否对零配件进行检测。

  • 是否对成品进行检测。

  • 是否对不合格的成品进行拆解,决定是否将拆解后的零配件重新利用。

  • 如何处理用户退回的不合格产品。

需要根据这些参数为企业提供决策依据,并且给出相应的指标结果。

问题3:扩展的生产决策问题

在问题2的基础上,问题3进一步扩展了生产过程,增加了多个零配件和工序的情况。题目提供了多达8个零配件和2道工序的组装过程,要求针对更复杂的生产流程给出具体的决策方案。这部分问题的复杂度更高,可能涉及到多阶段决策和动态规划。

问题4:基于抽样检测的决策调整

假设问题2和问题3中的次品率均通过抽样检测得到,要求重新进行生产过程中的决策。这一问题要求参赛者结合问题1中的抽样检测方法,重新审视生产流程中的决策,可能需要重新设计检测方案,优化成本和风险的平衡。

问题2和问题3中的各个决策环节都涉及到成本效益的权衡,需要建立一个数学模型来综合考虑检测成本、拆解费用、次品率、调换损失等。

动态规划或优化模型:面对问题3中的多工序、多零配件的复杂情况,可以使用动态规划或其他优化方法,来寻找到最优的决策路径。

2 背景分析

总结一下,题目的背景集中在生产过程中的质量控制和成本优化,企业需要在多个决策点上进行权衡,既要保证最终产品的质量,又要尽量减少生产和处理的成本损失。

3 各小问分析

这道题目是关于生产过程中的决策问题,涉及到电子产品制造中的抽样检测、装配、拆解、退换货等多个环节。问题分为四个主要部分,要求为企业设计优化生产决策的数学模型。

问题1:抽样检测方案建模与分析

该问题要求设计一个抽样检测方案,判断零配件的次品率是否超过标称值。在这个问题中,零配件次品率不会超过某个标称值(如10%)。我们需要在不同信度下,决定是否接受这批零配件。

建模目标:

我们需要设计一个抽样检测方案,确保:

1.在95%的信度下,判断零配件次品率超过标称值时拒收该批次零配件。

2.在90%的信度下,判断零配件次品率不超过标称值时接收该批次零配件。

1.抽样检测方案的基础理论

  1. 假设检验 我们可以使用假设检验来进行模型设计。设: p为零配件的真实次品率。 p0为标称的次品率(10%)。 我们抽取的样本数为n,次品数为x。 根据问题要求,我们可以构建两个假设: 原假设H_0:零配件次品率p\leq p_0(零配件次品率不超过标称值,接受零配件)。 备择假设H_1:零配件次品率p>p_0(零配件次品率超过标称值,拒绝零配件)。

  2. 二项分布建模 对于每个零配件,若其合格率为1-p,则每个零配件是次品的概率为p。假设我们从一批零配件中抽取了n个样本,次品的数量服从二项分布:

 

其中: n是抽样数量。 p是次品率。 X是次品的个数。 可以用正态分布近似二项分布:

 

通过正态近似,可以使用标准化公式:

 

  1. 双侧检验与置信区间

我们根据问题中95%和90%的信度要求进行双侧假设检验。信度要求分别对应的显著性水平alpha为:

95%信度:对应alpha=0.05。

90%信度:对应alpha=0.10。

在这两种情况下,分别计算不同显著性水平下的拒收与接收条件。

2.具体建模步骤

  1. 第一种情况:拒收零配件(95%信度) 我们希望设计一个方案,使得在95%信度下,认定次品率超过标称值时拒收该批零配件。 显著性水平alpha=0.05,对应的临界值Z_{\alpha/2}=1.96。 原假设为\(p=p_0=0.10\)(即零配件次品率为10%)。 拒收条件是当样本中检测出的次品率

 

足够大时,我们拒收这批零配件。 标准化变量为:

 

拒收条件为:

 

将p0=0.10代入,得到拒收条件:

 

通过这个公式,我们可以根据抽样的数量n得到拒收条件。

  1. 第二种情况:接收零配件(90%信度) 我们希望在90%信度下,判断零配件的次品率不超过标称值时接收这批零配件。 显著性水平alpha=0.10,对应的临界值Z_{\alpha/2}=1.645。 接收条件是次品率hat{p}足够低。 接收条件为:

 

将p0=0.10代入,得到接收条件:

 

  1. 确定最小抽样数量n

为了满足两种信度要求,我们可以根据上面的拒收和接收条件,计算不同情况下的最小抽样量\(n\)。

问题2:生产过程的决策建模

问题2的主要任务是对生产过程中的多个环节进行决策,优化每个阶段的检测、装配、拆解及不合格品处理,最终使得企业的总成本最小化或收益最大化。主要涉及零配件的检测、成品的检测、拆解和调换不合格品等多项决策。

根据题目描述,企业需要从成本和收益的角度优化生产过程的每个阶段。建模目标是:

- 最小化总成本(包括检测成本、装配成本、拆解费用、调换损失等)。

- 同时考虑成品的次品率及市场售价,确保利润最大化。

设定以下变量用于模型:

p_1, p_2 :零配件1和零配件2的次品率。

c_1, c_2 :零配件1和零配件2的购买单价。

d_1, d_2 :零配件1和零配件2的检测成本。

p_f :成品的次品率(由两个零配件的次品率决定,稍后说明计算方式)。

c_f :成品的装配成本。

d_f :成品的检测成本。

s_f :成品的市场售价。

t_f :调换不合格成品的损失。

e_f :拆解费用。

根据题目的描述,成品的次品率 由两个零配件的次品率决定:

- 若零配件1或零配件2中任一为次品,成品即为次品。因此,成品次品率为:

p_f = 1 - (1 - p_1)(1 - p_2)

该公式表明,只要零配件1或零配件2有任意一个不合格,则成品不合格。

成本函数的构建

接下来,我们需要根据生产过程的不同阶段构建相应的总成本函数。成本主要来自以下几个方面:

零配件检测与装配成本:

成品检测成本:

拆解成本:

对不合格成品的拆解费用为 \( e_f \),拆解后的零配件可重新使用。

调换不合格品的损失:

市场上的不合格品会引起退货和调换,损失为 \( n_f \cdot p_f \cdot t_f \)。

  1. 零配件检测决策

  2. 如果对零配件进行检测: - 总成本为:检测成本 + 购买零配件成本 + 装配成本

 

  1. 如果不检测零配件:

- 将不合格零配件直接进入装配,可能会产生成品不合格的额外成本。

(2) 成品检测决策

  1. 如果对成品进行检测: - 总成本为:检测成本 + 装配成本 + 不合格成品的拆解费用

 

  1. 如果不检测成品:

- 市场上出售的次品成品将导致退货,产生调换损失:

剩余后续更新。

其中更详细的思路,各题目思路、代码、讲解视频、成品论文及其他相关内容,可以点击下方群名片哦!

这篇关于2024高教社杯全国大学生数学建模竞赛B题保姆级分析完整思路+代码+数据教学的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1140533

相关文章

Python Transformers库(NLP处理库)案例代码讲解

《PythonTransformers库(NLP处理库)案例代码讲解》本文介绍transformers库的全面讲解,包含基础知识、高级用法、案例代码及学习路径,内容经过组织,适合不同阶段的学习者,对... 目录一、基础知识1. Transformers 库简介2. 安装与环境配置3. 快速上手示例二、核心模

Spring 请求之传递 JSON 数据的操作方法

《Spring请求之传递JSON数据的操作方法》JSON就是一种数据格式,有自己的格式和语法,使用文本表示一个对象或数组的信息,因此JSON本质是字符串,主要负责在不同的语言中数据传递和交换,这... 目录jsON 概念JSON 语法JSON 的语法JSON 的两种结构JSON 字符串和 Java 对象互转

Java的栈与队列实现代码解析

《Java的栈与队列实现代码解析》栈是常见的线性数据结构,栈的特点是以先进后出的形式,后进先出,先进后出,分为栈底和栈顶,栈应用于内存的分配,表达式求值,存储临时的数据和方法的调用等,本文给大家介绍J... 目录栈的概念(Stack)栈的实现代码队列(Queue)模拟实现队列(双链表实现)循环队列(循环数组

C++如何通过Qt反射机制实现数据类序列化

《C++如何通过Qt反射机制实现数据类序列化》在C++工程中经常需要使用数据类,并对数据类进行存储、打印、调试等操作,所以本文就来聊聊C++如何通过Qt反射机制实现数据类序列化吧... 目录设计预期设计思路代码实现使用方法在 C++ 工程中经常需要使用数据类,并对数据类进行存储、打印、调试等操作。由于数据类

Maven的使用和配置国内源的保姆级教程

《Maven的使用和配置国内源的保姆级教程》Maven是⼀个项目管理工具,基于POM(ProjectObjectModel,项目对象模型)的概念,Maven可以通过一小段描述信息来管理项目的构建,报告... 目录1. 什么是Maven?2.创建⼀个Maven项目3.Maven 核心功能4.使用Maven H

SpringBoot多数据源配置完整指南

《SpringBoot多数据源配置完整指南》在复杂的企业应用中,经常需要连接多个数据库,SpringBoot提供了灵活的多数据源配置方式,以下是详细的实现方案,需要的朋友可以参考下... 目录一、基础多数据源配置1. 添加依赖2. 配置多个数据源3. 配置数据源Bean二、JPA多数据源配置1. 配置主数据

SpringBoot使用GZIP压缩反回数据问题

《SpringBoot使用GZIP压缩反回数据问题》:本文主要介绍SpringBoot使用GZIP压缩反回数据问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录SpringBoot使用GZIP压缩反回数据1、初识gzip2、gzip是什么,可以干什么?3、Spr

Java程序进程起来了但是不打印日志的原因分析

《Java程序进程起来了但是不打印日志的原因分析》:本文主要介绍Java程序进程起来了但是不打印日志的原因分析,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录Java程序进程起来了但是不打印日志的原因1、日志配置问题2、日志文件权限问题3、日志文件路径问题4、程序

SpringBoot中配置Redis连接池的完整指南

《SpringBoot中配置Redis连接池的完整指南》这篇文章主要为大家详细介绍了SpringBoot中配置Redis连接池的完整指南,文中的示例代码讲解详细,具有一定的借鉴价值,感兴趣的小伙伴可以... 目录一、添加依赖二、配置 Redis 连接池三、测试 Redis 操作四、完整示例代码(一)pom.

Java字符串操作技巧之语法、示例与应用场景分析

《Java字符串操作技巧之语法、示例与应用场景分析》在Java算法题和日常开发中,字符串处理是必备的核心技能,本文全面梳理Java中字符串的常用操作语法,结合代码示例、应用场景和避坑指南,可快速掌握字... 目录引言1. 基础操作1.1 创建字符串1.2 获取长度1.3 访问字符2. 字符串处理2.1 子字