2024高教杯数学建模B题思路

2024-09-06 23:04
文章标签 建模 2024 数学 高教 思路

本文主要是介绍2024高教杯数学建模B题思路,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!

针对生产过程决策问题的研究分析

摘要

针对问题一,在该模型中,我们首先设定了标称次品率为10%(p0=0.10),并使用二项分布来描述样本中次品数量的分布。为了设计抽样检验方案,我们设定了两种信度标准:在95%信度下,拒收次品率超过标称值的批次,并在90%信度下接收次品率不低于标称值的批次。对于样本大小n=100,我们计算了对应的拒收和接收临界值。使用scipy.stats.binom.ppf和scipy.stats.binom.pmf进行计算,得到样本中次品数量的概率分布,并通过matplotlib绘制了分布图,标注了拒收和接收的临界值。这些步骤帮助我们在实际抽样中更好地决策是否接收或拒绝批次零配件。

针对问题二,根据模型建立过程和成本计算公式,可以通过比较不同决策方案的总成本来选择最优方案。每种情况的成本包括零配件检测、成品检测及拆解费用。总成本的计算公式涵盖了各种可能的检测和处理方式。通过对每种情况下的总成本进行计算,可以确定最优的决策组合,即成本最低的方案。分析结果将帮助确定最佳的决策策略,并预测相关的总花费。

针对问题三,在优化生产过程时,可以建立一个数学模型来决定是否对零配件、半成品和成品进行检测、拆解,以及如何处理不合格品。首先,定义决策变量:di、dFi和dP分别表示是否对零配件i、半成品i和成品进行检测。其次,设定相关参数,如零配件的次品率 Pi、检测成本 Ci 和购买单价 Bi 等。目标函数是最小化总成本,包括零配件成本、半成品成本、成品成本、装配成本、调换损失和拆解费用。在确定约束条件时,考虑了预算限制、检测优先级、产品质量标准和库存限制。通过使用整数线性规划(ILP)算法,我们可以优化决策变量 di、dFi 和 dP,以实现总成本的最小化。这一过程帮助企业在降低生产成本的同时,确保产品质量,优化资源配置。

针对问题四,问题四的目标是优化问题2和问题3的决策方案,通过抽样检测结果来制定最有效的检测和处理策略。首先,需要确定次品率的分布模型,通常使用二项分布或正态分布。对于问题2,我们设定了零配件和成品的检测标准,并计算了不同情况下的期望总成本。对于问题3,我们设定了整个生产链中每个环节的次品率,并计算了基于抽样结果的期望成本。最终的决策优化模型旨在最小化总成本,包括检测、装配、拆解和调换损失。模型的解决方案可以帮助确定最优的检测和处理策略。

关键词:整数线性规划;最优化;生产实际

针对生产过程决策问题的研究分析

摘要

一、 问题重述

二、 问题分析

2.1 问题1分析

2.2 问题 2 分析

2.3 问题 3 分析

2.4 问题 4 分析

三、 模型假设

四、 问题一模型建立及求解

4.1 问题一模型建立过程

4.2 问题一模型结果与分析

五、 问题二模型建立及求解

5.1 问题二模型建立

5.2 问题二模型结果以及分析

六、 问题三模型建立过程

1. 定义决策变量

2. 定义相关参数

3. 计算目标函数

4. 确定约束条件

5. 优化模型

七、 问题四模型建立及求解 

  • 问题重述

某企业生产某种畅销的电子产品,需要分别购买两种零配件(零配件 1 和零配件 2), 在企业将两个零配件装配成成品。在装配的成品中,只要其中一个零配件不合格,则成品一 定不合格;如果两个零配件均合格,装配出的成品也不一定合格。对于不合格成品,企业可 以选择报废,或者对其进行拆解,拆解过程不会对零配件造成损坏,但需要花费拆解费用。

请建立数学模型,解决以下问题:

问题 1    供应商声称一批零配件(零配件 1 或零配件 2)的次品率不会超过某个标称值。 企业准备采用抽样检测方法决定是否接收从供应商购买的这批零配件,检测费用由企业自行 承担。请为企业设计检测次数尽可能少的抽样检测方案。

如果标称值为 10%,根据你们的抽样检测方案,针对以下两种情形,分别给出具体结果:

(1)  在 95%的信度下认定零配件次品率超过标称值,则拒收这批零配件;

(2)  在 90%的信度下认定零配件次品率不超过标称值,则接收这批零配件。

问题 2    已知两种零配件和成品次品率,请为企业生产过程的各个阶段作出决策:

(1)  对零配件(零配件 1 和/或零配件 2)是否进行检测,如果对某种零配件不检测,这 种零配件将直接进入到装配环节;否则将检测出的不合格零配件丢弃;

(2)  对装配好的每一件成品是否进行检测,如果不检测,装配后的成品直接进入到市场; 否则只有检测合格的成品进入到市场;

(3)  对检测出的不合格成品是否进行拆解,如果不拆解,直接将不合格成品丢弃;否则 对拆解后的零配件,重复步骤(1)和步骤(2);

(4)  对用户购买的不合格品,企业将无条件予以调换,并产生一定的调换损失(如物流 成本、企业信誉等)。对退回的不合格品,重复步骤(3)。

请根据你们所做的决策,对表 1 中的情形给出具体的决策方案,并给出决策的依据及相 应的指标结果。

 1    企业在生产中遇到的情况(问题 2

情况

零配件 1

零配件 2

成品

不合格成品

次品 率

购买 单价

检测 成本

次品 率

购买 单价

检测 成本

次品 率

装配 成本

检测 成本

市场 售价

调换 损失

拆解 费用

1

10%

4

2

10%

18

3

10%

6

3

56

6

5

2

20%

4

2

20%

18

3

20%

6

3

56

6

5

3

10%

4

2

10%

18

3

10%

6

3

56

30

这篇关于2024高教杯数学建模B题思路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/1143366

相关文章

2024年流动式起重机司机证模拟考试题库及流动式起重机司机理论考试试题

题库来源:安全生产模拟考试一点通公众号小程序 2024年流动式起重机司机证模拟考试题库及流动式起重机司机理论考试试题是由安全生产模拟考试一点通提供,流动式起重机司机证模拟考试题库是根据流动式起重机司机最新版教材,流动式起重机司机大纲整理而成(含2024年流动式起重机司机证模拟考试题库及流动式起重机司机理论考试试题参考答案和部分工种参考解析),掌握本资料和学校方法,考试容易。流动式起重机司机考试技

【专题】2024飞行汽车技术全景报告合集PDF分享(附原数据表)

原文链接: https://tecdat.cn/?p=37628 6月16日,小鹏汇天旅航者X2在北京大兴国际机场临空经济区完成首飞,这也是小鹏汇天的产品在京津冀地区进行的首次飞行。小鹏汇天方面还表示,公司准备量产,并计划今年四季度开启预售小鹏汇天分体式飞行汽车,探索分体式飞行汽车城际通勤。阅读原文,获取专题报告合集全文,解锁文末271份飞行汽车相关行业研究报告。 据悉,业内人士对飞行汽车行业

高效录音转文字:2024年四大工具精选!

在快节奏的工作生活中,能够快速将录音转换成文字是一项非常实用的能力。特别是在需要记录会议纪要、讲座内容或者是采访素材的时候,一款优秀的在线录音转文字工具能派上大用场。以下推荐几个好用的录音转文字工具! 365在线转文字 直达链接:https://www.pdf365.cn/ 365在线转文字是一款提供在线录音转文字服务的工具,它以其高效、便捷的特点受到用户的青睐。用户无需下载安装任何软件,只

uva 10014 Simple calculations(数学推导)

直接按照题意来推导最后的结果就行了。 开始的时候只做到了第一个推导,第二次没有继续下去。 代码: #include<stdio.h>int main(){int T, n, i;double a, aa, sum, temp, ans;scanf("%d", &T);while(T--){scanf("%d", &n);scanf("%lf", &first);scanf

uva 10025 The ? 1 ? 2 ? ... ? n = k problem(数学)

题意是    ?  1  ?  2  ?  ...  ?  n = k 式子中给k,? 处可以填 + 也可以填 - ,问最小满足条件的n。 e.g k = 12  - 1 + 2 + 3 + 4 + 5 + 6 - 7 = 12 with n = 7。 先给证明,令 S(n) = 1 + 2 + 3 + 4 + 5 + .... + n 暴搜n,搜出当 S(n) >=

uva 11044 Searching for Nessy(小学数学)

题意是给出一个n*m的格子,求出里面有多少个不重合的九宫格。 (rows / 3) * (columns / 3) K.o 代码: #include <stdio.h>int main(){int ncase;scanf("%d", &ncase);while (ncase--){int rows, columns;scanf("%d%d", &rows, &col

透彻!驯服大型语言模型(LLMs)的五种方法,及具体方法选择思路

引言 随着时间的发展,大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用,随着人们期望的不断增加,目标也发生了巨大的变化。在短短的几个月的时间里,人们对大模型的认识已经从对其zero-shot能力感到惊讶,转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构(例如Transformer)对海量的、多种多样的数据分布进行建模得到,它包含了大量的先验

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

2024网安周今日开幕,亚信安全亮相30城

2024年国家网络安全宣传周今天在广州拉开帷幕。今年网安周继续以“网络安全为人民,网络安全靠人民”为主题。2024年国家网络安全宣传周涵盖了1场开幕式、1场高峰论坛、5个重要活动、15场分论坛/座谈会/闭门会、6个主题日活动和网络安全“六进”活动。亚信安全出席2024年国家网络安全宣传周开幕式和主论坛,并将通过线下宣讲、创意科普、成果展示等多种形式,让广大民众看得懂、记得住安全知识,同时还

基于UE5和ROS2的激光雷达+深度RGBD相机小车的仿真指南(五):Blender锥桶建模

前言 本系列教程旨在使用UE5配置一个具备激光雷达+深度摄像机的仿真小车,并使用通过跨平台的方式进行ROS2和UE5仿真的通讯,达到小车自主导航的目的。本教程默认有ROS2导航及其gazebo仿真相关方面基础,Nav2相关的学习教程可以参考本人的其他博客Nav2代价地图实现和原理–Nav2源码解读之CostMap2D(上)-CSDN博客往期教程: 第一期:基于UE5和ROS2的激光雷达+深度RG