最小化生产能力和生产能力的界限答案

【问题标题】：Minimization of bounds for production capacity and production capability最小化生产能力和生产能力的界限
【发布时间】：2018-07-16 18:53:11
【问题描述】：

我的问题是，使用下面的函数，我怎样才能在数值上找到 USL 和 LSL 的优化值，以便函数 Pythag 的返回值处于全局最小值（即 Pythag 的梯度 == 0），而不知何故绑定 Cp 和 Cpk，使 Cp 返回值 2，Cpk 返回值 1.5。（Cp==2 和 Cpk==1.5）

import numpy as np
import matplotlib.pyplot as plt


def Cp(USL,LSL,s):
    return (USL-LSL)/(6*s)

def Cpk(USL,LSL,mean,sd):
    return min((USL-mu)/(3*s),(mu-LSL)/(3*s))

def Pythag(USL,LSL):
    return np.sqrt(np.square(USL)+np.square(LSL))

#This code below is for practice data 
x = np.linspace(0,100,101)
y = np.random.random(101)
sd = np.std(y)
mu = np.mean(y)

如果需要进一步说明，请告诉我。感谢您的问题 Rory，我在上面添加了一些关键更改，因此问题更有意义。类似问题的其他答案不够充分的原因是我很难将它们与 Cpk 函数的 min 参数集成。

【问题讨论】：

你试过什么？例如，您是否在“最小化 Python”或“优化 Python”上进行过网络搜索？如果是这样，为什么结果不适合您？有什么特别不明白的地方吗？此外，您要求最小化Pythag，但该函数不调用Cp 或Cpk，那么这些函数和代码底部四行的目的是什么？现在，Pythag 的最小值在USL=0 和LSL=0。

标签： python numpy optimization calculus

【解决方案1】：

这是我发现的，可能是更好的方法，但它有效

def Six_sigma(USL,LSL,s,mean):

def Cp(USL,LSL,s):
    return (USL-LSL)/(6*s)

def Cpk(USL,LSL,s,mean):
    return min([(USL-mean)/(3*s),(mean-LSL)/(3*s)])


Cp = Cp(USL,LSL,s)
Cpk = Cpk(USL,LSL,s,mean)
return (Cp,Cpk)


def USL_LSL_solver(s,mean):
    LSL = mean; USL=mean
    for i in range(1000):
        x,y = six_sigma(USL,LSL,s,mean)
        USL-=x-1.5
        LSL+=y-1
    return (USL,LSL)

USL,LSL = USL_LSL_solver(std,mu)
print(Pythag(USL,LSL))

【讨论】：