3. 单台设备加工时间分布拟合与输入

任务背景与数据准备

单台设备的加工时间往往不是固定值，而是围绕某个中心值波动的随机变量。要把这种波动正确带入仿真，需要先根据历史样本判断它更接近哪种概率分布，再把拟合出的参数填入设备模块的加工时间字段。本例使用一组教学示例样本，演示从样本到分布选择、参数估计、仿真输入和统计对比的完整过程。

假设某台铣削设备记录了 30 个工件的加工时间（单位：分钟），样本如下：

样本 = [8.2, 9.1, 7.8, 10.3, 8.9, 9.6, 7.5, 8.8, 9.4, 8.1,
        10.1, 8.6, 9.2, 7.9, 8.7, 9.8, 8.4, 9.0, 8.3, 9.5,
        7.7, 8.5, 9.3, 8.0, 9.7, 8.9, 9.1, 8.2, 9.6, 8.8]

先计算样本统计量：均值约为 8.79 分钟，标准差约为 0.72 分钟，最小值 7.5，最大值 10.3。样本大致对称、没有明显长尾，也没有负值，这些特征提示可以优先考虑正态分布或对数正态分布。

分布拟合与参数估计

对加工时间这类由多个微小随机因素叠加形成的量，正态分布通常是首选。用样本均值和样本标准差作为正态分布参数的估计值：

μ ≈ 8.79
σ ≈ 0.72
加工时间 ~ Normal(μ=8.79, σ=0.72)

如果设备存在“偶尔卡顿导致长尾”的现象，则对数正态分布更合适。本例样本无明显长尾，因此选择正态分布作为输入分布。需要注意：正态分布理论上可能产生负值，但 μ=8.79、σ=0.72 时，负值概率极低（约 10⁻³⁵ 量级），工程上可忽略；若担心极端负值，可在设备模块中设置下限截断为 0.1 分钟。

将参数输入设备模块

在仿真软件中，设备模块的加工时间字段通常支持“分布 + 参数”的输入方式。以正态分布为例，需要填写：

若软件不支持截断，可改用对数正态分布，其参数由样本均值和标准差换算：

σ_log = sqrt(ln(1 + (σ/μ)^2)) ≈ 0.0817
μ_log = ln(μ) - σ_log^2 / 2 ≈ 2.170
加工时间 ~ LogNormal(μ_log=2.170, σ_log=0.0817)

仿真输出与统计对比

设置仿真运行 10000 个工件，统计仿真输出的加工时间均值、标准差、最小值和最大值，并与原始样本对比。教学示例中，若拟合正确，仿真输出的均值应接近 8.79，标准差接近 0.72，且直方图形状与样本一致。若仿真均值明显偏离，应检查参数是否填错、单位是否一致、是否误用了其他分布。

对比时建议同时观察以下指标：

• 均值偏差：|仿真均值 − 样本均值| 应小于 0.05 分钟；
• 标准差偏差：|仿真标准差 − 样本标准差| 应小于 0.05 分钟；
• 最小值：仿真最小值不应远小于样本最小值，否则说明分布尾部过重；
• 直方图：仿真分布与样本分布应大致重合，无明显偏移或双峰。

常见问题与排查

• 仿真均值偏离样本均值：检查是否把标准差误填成方差，或单位不一致（分钟 vs 秒）。
• 仿真出现负值：正态分布尾部导致，设置下限截断或改用对数正态分布。
• 直方图双峰：样本可能来自两台设备或两种工况，应分组拟合，而不是强行用单一分布。
• 标准差偏大：样本中可能存在异常值，先做箱线图检查并剔除明显异常点后再拟合。