2024年高教杯数学建模B题思路代码助攻

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

这里先省略问题重述以及问题分析，都大同小异，直接进入模型建立及求解部分。

• 一、问题一模型建立及求解
  1. 问题一模型建立过程

1. 设定参数和假设

标称次品率（p0）：10%（即 p0=0.10）

次品率的实际值（p）：未知

样本大小（n）：需要确定

样本中次品的数量（x）：在抽样过程中检测到的次品数量

显著性水平（α）：1 - 信度（例如在95%信度下，α = 0.05）

假设零配件的次品率符合二项分布。对于样本中的次品数量 x，在样本大小为 n 时，次品数量 x的分布为 Binomial(n,p)。

2. 设定抽样检验方案

(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

在这种情况下，我们希望设计一个抽样方案，使得在零配件次品率超过标称值 p0时，能以95%的信度（即α= 0.05）拒收这批零配件。我们可以使用单侧假设检验的方法。零假设 H0：p≤p0（次品率不超过标称值）备择假设 H1：p>p0（次品率超过标称值）

计算每一个样本大小n 的临界值，使得在零假设p=p0下，拒绝H0 的概率小于5%。临界值是样本中次品数量 x的最大值。

我们可以使用二项分布的临界值表或者计算工具来确定临界值。例如，我们设定 n=100，然后计算在 p0=0.10下样本中次品数量的临界值，使得拒绝 H0的概率小于0.05。

(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

在这种情况下，我们希望在零配件次品率不超过标称值 p0时，以90%的信度（即α= 0.10）接收这批零配件。我们可以使用单侧假设检验的方法。零假设 H0：p≥p0（次品率不低于标称值）备择假设 H1：p<p0​（次品率低于标称值）

计算每一个样本大小 n的临界值，使得在零假设p=p0下，接受H0的概率小于10%。临界值是样本中次品数量 x的最小值。

3. 计算实例

假设我们选择样本大小 n=100：

(1) 95%信度下拒收

我们要找到临界值xcrit使得：

P(X≤xcrit∣p=0.10)≤0.05

利用二项分布表或计算工具，找到合适的xcrit。

(2) 90%信度下接收

要找到临界值 xcritxcrit使得：

P(X≥xcrit∣p=0.10)≤0.10

利用二项分布表或计算工具，找到合适的xcrit。

问题一代码：
 

import numpy as np
import scipy.stats as stats
import matplotlib.pyplot as plt
plt.rcParams["font.sans-serif"]=["SimHei"]
plt.rcParams["axes.unicode_minus"]=False
# 参数设定
n = 100  # 样本大小
p0 = 0.10  # 标称次品率
# 计算95%信度下的拒收临界值
alpha_reject = 0.05
x_crit_reject = stats.binom.ppf(1 - alpha_reject, n, p0)

# 计算90%信度下的接收临界值
alpha_accept = 0.10
x_crit_accept = stats.binom.ppf(1 - alpha_accept, n, p0)
# 生成样本中次品数量的概率分布
x = np.arange(0, n + 1)
pmf = stats.binom.pmf(x, n, p0)
# 绘制概率分布图
plt.figure(figsize=(12, 6))

# 绘制95%信度下拒收的概率分布
plt.subplot(1, 2, 1)
plt.bar(x, pmf, color='skyblue', label='次品数量分布')
plt.axvline(x=x_crit_reject, color='r', linestyle='--', label='拒收临界值 (95%信度)')
plt.xlabel('次品数量')
plt.ylabel('概率')
plt.title('95%信度下的拒收标准')
plt.legend()

# 绘制90%信度下接收的概率分布
plt.subplot(1, 2, 2)
plt.bar(x, pmf, color='lightgreen', label='次品数量分布')
plt.axvline(x=x_crit_accept, color='r', linestyle='--', label='接收临界值 (90%信度)')
plt.xlabel('次品数量')
plt.ylabel('概率')
plt.title('90%信度下的接收标准')
plt.legend()
plt.tight_layout()
plt.show()

后续问题模型建立以及完整可调整论文放在下面链接啦，学习从速，初期限时优惠！！！

2024年高教杯B题完整助攻，学习从速！！！

 2024年高教杯B题完整助攻，学习从速！！！

其中包含30页以上可调整论文，各题模型建立以及求解过程，完整可运行代码以及运行结果，如下图所示。