引言
在2024年全国大学生数学建模竞赛B题中，企业需要对生产中的各个环节进行决策，以最小化总成本并最大化收益。该问题涉及零配件的采购和检测、成品的装配与检测、以及对不合格成品的处理和再利用。本文将对问题1至问题4进行详细分析，并基于不同的场景给出具体的解决方案。
问题 1：抽样检测方案设计
问题描述
企业需要从供应商处采购零配件，并根据零配件的次品率决定是否接受该批货物。假设标称次品率为10%，要求在95%的信度下拒收超标的次品率，在90%的信度下接受符合标准的次品率。
解题思路
为解决该问题，我们采用了序贯检验方法。与传统的固定样本量检测不同，序贯检验可以在每次抽样后计算是否达到检验停止条件。若满足信度要求，则立即做出接受或拒绝的决策，从而减少不必要的检测次数。
模型设计
-
假设检验：
- 原假设H0：次品率
- 备择假设H1：次品率
-
计算检测次数
利用序贯检验的思想，检测次数与样本的实际结果动态相关。根据不同的抽样结果，可以提前终止检验，节约检测成本。 -
具体方案
- 在95%的信度下，如果次品率超标，则拒收；
- 在90%的信度下，如果次品率不超标，则接收。
该模型可以通过逐次更新检测的置信区间来做出判断，直至达到预定的信度为止。相较于传统的抽样检验，该方法在样本量较小时即可作出决定，从而节省成本。
问题 2：生产过程中的决策
问题描述
在生产过程中，企业需要对零配件和成品进行多阶段决策，包括是否检测、是否装配、不合格品是否拆解以及市场流转的处理方式。题目给出了6种不同的生产情况，需要为每种情况提供最优的决策方案。
解题思路
针对问题2，我们建立了动态规划模型，以最小化生产和检测成本为目标，同时考虑不合格品的处理成本和市场调换损失。
决策阶段划分
-
阶段1：零配件采购和检测决策
- 对零配件1和零配件2进行检测，剔除不合格零配件，或直接进入装配环节。
-
阶段2：成品装配和检测决策
- 检测成品，只有合格成品进入市场。不检测则直接进入市场，可能产生调换损失。
-
阶段3：不合格成品拆解与再利用
- 是否对不合格成品进行拆解，拆解后零配件可重新进入装配过程，但需要支付拆解费用。
决策方案
以情况1为例，输入参数如下
- 零配件1次品率：10%
- 零配件2次品率：10%
- 成品次品率：10%
- 各种费用：采购单价、检测成本、装配成本、市场售价、拆解费用等。
通过动态规划的递归算法，从最后阶段（拆解决策）开始计算每种决策下的总成本，逐步推导到最优决策路径(T16：2024CUMCMB题 第1-4问成品…)。
结果
基于不同的次品率、成本和售价，可以计算出每个阶段的最优决策。通过这种方式，企业可以在确保质量的前提下，降低成本并最大化收益。
问题 3：多道工序和零配件的决策
问题描述
已知多道工序和多个零配件的次品率，企业需要对生产过程中的决策进行优化。题目给出了两道工序和8个零配件的情况，需要通过数学模型给出具体的生产决策方案。
解题思路
我们使用类似于问题2的动态规划思路，将问题扩展到多道工序和多个零配件的场景。
生产流程
- 第一道工序：将零配件1到8组装成半成品。
- 第二道工序：将半成品组装成成品。
在每个工序中，企业可以选择是否对半成品进行检测，并决定是否拆解不合格半成品或成品。
决策过程
为了评估不同检测和拆解策略的经济性，模型需要考虑每道工序的次品率和相关成本。我们通过状态转移方程描述各阶段的最优策略
- 对于半成品阶段，次品率受到前一阶段检测决策的影响；
- 对于成品阶段，次品率受到半成品的检测决策影响。
通过计算不同策略下的总成本，确定最优的生产和检测路径。
问题 4：基于抽样检测的重新决策
问题描述
假设问题2和问题3中的次品率是通过抽样检测得到的，企业需要重新评估生产过程中的决策。
解题思路
在此问题中，我们需要将抽样检测方法与动态规划模型结合。次品率不再是确定值，而是基于抽样结果的估计值。
动态调整次品率
- 零配件次品率：通过抽样检测估计得到，并根据检测结果动态更新。
- 半成品和成品的次品率：通过前一阶段的检测决策和抽样结果进行动态调整。
这种方法不仅能够减少检测成本，还可以根据实时的检测结果调整生产策略，确保生产过程的灵活性。
结论
通过以上问题的逐步分析和模型构建，本文为B题提供了一个完整的解题思路。无论是在抽样检测的优化，还是多阶段决策的动态规划中，核心思想都是在降低检测成本的前提下，提高产品质量并最大化收益。动态规划与抽样检测的结合为企业提供了一种高效的生产管理方法，在不同的生产条件下均能找到最优解。
