大家好
我认为这是一个有点复杂的问题，至少对我而言似乎是这样。我想知道是否有可能使用人口标准差和Xi的平均值来预测一组Xi的拒绝率。
因此，对于背景，我为一家生产糖果的食品制造商工作。我可以访问任何生产运行的人口数据，这些数据将持续1到6天或大约480万个柱。有两组打包的Xi，一组4计数和72计数。
以下是目标转换单位和较低的规格限制。
1巴= 40克（LSL = 36.4）
1 4计数纸箱= 160克（LSL = 149.2）
1 12个纸箱= 480克（LSL = 460）
观察到的总体平均值和标准偏差的示例分别为40.5和1.96。
我想确定这些信息的原因是我们使用X射线技术在轻量级Xi进入纸箱之前将其吹掉。然而，我最近看到了一种趋势，即X射线将失去校准，并在读数上增加3.5克的重量。这反过来又采用了被认为是轻量级的条形，并允许它们通过并进入纸箱。如果太多的灯条变成纸箱，那么平均重量将低于LSL并且吹掉会导致纸箱浪费。这很重要，因为1个纸箱比2个或3个包装纸更贵。
我是否拥有所有适当的数据来实现我的目标，或者我错过了什么？如果没有，有人可以帮我解决这个问题吗？谢谢！
列'4 Pack'和'12 Pack'的公式不依赖于表的其余部分，随机条目或其他方式。但它们也是一种“快速而肮脏”的方式来获得我想要的东西，并且肯定有更强大的方法来定义这样的“分组列”。
这似乎与原始问题有点相关，但是如果您可以提供您正在使用的代码的详细信息以及您看到的错误，我相信有人可以提供帮助。
您创建列子组的公式是否仅适用于随机数据？每次我尝试以这种方式制作一个列，以便我可以使用该列汇总它，我会收到错误消息。
把你的数字用在面值上（并假设我没有犯错）我做了一些我认为可能对你有帮助的随机数据。通常，这种模拟可以是回避某些理论的好方法。要查看结果，请执行“文件>新建>新建脚本”，然后将下面的代码复制并粘贴到生成的窗口中。然后执行“编辑>运行脚本”（可能需要一秒左右），并检查结果。
NamesDefaultToHere(1);
n12 = 10000; // Number of boxes of 12 bars made
n = 12*n12; // Number of bars made
// Generate data assuming an in-control process
dt = New Table( "Candy Bar Production",
Add Rows( n ),
New Column( "Weight",
Numeric,
"Continuous",
Format( "Best", 12 ),
Formula( Random Normal( 40.5, 1.96 ) ),
Set Property( "Spec Limits", {LSL( 36.4 ), Target( 40 ), Show Limits( 0 )} )
),
New Column( "4 Pack",
Numeric,
"Nominal",
Format( "Best", 12 ),
Formula( Modulo( Row(), Floor(n/4) ) )
),
New Column( "12 Pack",
Numeric,
"Nominal",
Format( "Best", 12 ),
Formula( Modulo( Row(), Floor(n/12) ) )
)
);
// Make data for the 4 pack weights
dt4 = dt << Summary(
Group( :Name( "4 Pack" ) ),
Sum( :Weight ),
statistics column name format( "column" )
);
Column(dt4, "Weight") << Set Property( "Spec Limits", {LSL( 149.2 ), Target( 160 ), Show Limits( 0 )} );
// Make data for the 12 pack weights
dt12 = dt << Summary(
Group( :Name( "12 Pack" ) ),
Sum( :Weight ),
statistics column name format( "column" )
);
Column(dt12, "Weight") << Set Property( "Spec Limits", {LSL( 460 ), Target( 480 ), Show Limits( 0 )} );
// Use Control Chart Builder
dt << Control Chart Builder(Variables( Y( :Weight ) ));
dt4 << Control Chart Builder(Variables( Y( :Weight ) ));
dt12 << Control Chart Builder(Variables( Y( :Weight ) ));
这有多大将取决于您的具体情况。当我在统计过程控制的背景下看到“分布”这个词时，我非常谨慎：如代码中所述，这个数据是在假设一个完美的“控制”过程中生成的（来自固定高斯分布的独立随机样本）如果确实如此，你就不需要SPC了。
