大子组大小的控制图 Xbar-RJMP 能够生成大型子组规模的 Xbar-R 图表。 如果子组大小为 475，范围上限控制限的方程是什么？ 我有 60 个子组，每个子组大小为 475。
我已经了解如何计算 Xbar-S 的 S 控制限，但我不知道 Xbar-R 的 UCLR 方程。
麦克风
回复：大子组大小的控制图 Xbar-R@马克贝利，这让我想起了 Wheeler 博士的《理解 SPC 第二版》第 5 章（第 112-113 页）中的“分组原则 #1、#2 和 #3”，分组原则#1：切勿故意将不同的事物分组在一起。分组原则#2：最小化每个子组内的变异。分组原则#3：最大化子组之间差异的机会。
回复：大子组大小的控制图 Xbar-R很抱歉您这样解释这里的回复。 据我所知，没有人要求你为自己辩护。 问你的问题是为了清楚起见。 如果讨论中遗漏了重要的细节，很容易提供错误的答案或解决方案。 我没有看到有人告诉你你错了。 他们暗示，根据他们的经验，该小组的规模是不寻常的，因此，他们想知道这些小组的性质。
您可以决定是否在此进一步详细说明。 我希望您将来在对 JMP 有疑问时使用社区，因为它可能是您可以获得的最佳资源。
回复：大子组大小的控制图 Xbar-R在这种情况下，不存在选择 Xbar-R 和 Xbar-S 的“正确”方法，它们都是错误的。 子组内的变异由变异的三个组成部分组成：短期随机性、“长期”趋势和偶尔的特殊原因不可预测的峰值。 没有适合这种情况的控制图。 只有高级建模，最终可能是合适的。 然而，在这种情况下，在这种情况下，范围图已经证明了其能够更好地检测具有尖峰的数据，S 图过于敏感并导致过度反应。
我只是想知道数学。 如果我在 JMP 帮助方面拥有更多技能，我就可以避免使用帮助论坛。 我感到被冒犯了，因为我不得不为自己辩护，只是为了问一些事情是如何运作的。 如果你看看我对问题的回答，就会发现超过一半的人告诉我我做错了什么，但没有提供任何答案。 这近乎恶搞，而且更像是 Reddit，而不是一个专业的帮助论坛。 只有两个人为回答我的实际问题做出了贡献。
试着给某人以无罪推论，不要立即认为因为我违反了一些指导方针，所以我是无能的，是某种异端分子。 我不是在问应用问题，我是在问关于公式的问题。
有一个人很好奇为什么 n=475，而不是大多数人说我应该做 Xbar-S。 Xbar-S也是错误的，但面对反对，我懒得详细说明。
回复：大子组大小的控制图 Xbar-R@米博当 n>50 时，d2 和 d3 值变得更加不稳定。由于常数不能以封闭形式提供，因此不同的参考文献给出了各种答案（每个答案都使用不同的估计方法）。因此，开发者决定停在n=50。我们建议切换到样本量大于 50 的 XBar/S 图表。
回复：大子组大小的控制图 Xbar-R谢谢丹·奥伯米勒和托尼娅·莫尔丁0寻找线索。 简短的回答是
UCLR = Rbar + 3 * d3 * (Rbar/d2)
对于 50 的子组大小，
根据 Harter 的本文表 2，d2 = 4.4981472588，d3 平方为 0.4252899556： https://projecteuclid.org/download/pdf_1/euclid.aoms/1177705684
d3 为 0.6526098038
这是我第一次深入研究控制图常数的来源，幸运的是 Harter 论文上线了。
那篇论文最多可以达到 n=100。 Minitab 将执行最多 100 的子组大小。我不确定为什么 JMP 停止在 50。
在我的项目中，我非常清楚，我的小组内并没有一个恒定的偶然原因系统。 尽管如此，范围图对于某些情况还是有用的。
回复：大子组大小的控制图 Xbar-R当我们说“子群体”时，我们意思是“理性子群”。 我并不是在批评你的选择。 我只是在检查。
我们为控制图设计数据收集，以便特殊原因事件向子组提供观察结果的可能性（理想情况下）为零。 以这种方式设计的理性子组将产生对短期变化的无偏估计。同时，我们以足够的频率间隔子组，以便检测到特殊原因的机会很高。 自相关也是一个可能影响控制图性能和解释的问题。 当然，子组的组成、大小和频率的选择通常受到实际考虑的限制。
控制图是一种有效且客观的工具，能够提供来自小型子组的有用信息（即信号）。 您的 475 子组的基础是什么？
回复：大子组大小的控制图 Xbar-R@Byron_JMP关于这个话题有很多争论，你可以找到不同的经验法则。一般来说，较小的样本量建议使用 R 图表，较大的样本量建议使用 S 图表。以下网页https://www.qualitymag.com/articles/95813-control-charts-which-one-should-i-use建议如果您的样本量为 1<10，则应使用 R 控制图。如果样本量 >=10，则应使用 S 控制图。
这是另一页（何时使用 Xbar R 控制图与 Xbar S 控制图？ ）表明对于 1<11，应使用 R 控制图。如果样本量 >=12，则应使用 S 控制图。
回复：大子组大小的控制图 Xbar-R@tonya_mauldin对于较大的子组大小，使用 s-bar 不会有一些优势吗？ 在 n=25 或 30 左右，平均估计值非常好，也许比用于 x-bar 的经典方法更好？
回复：大子组大小的控制图 Xbar-R在 JMP 版本 15 之前，JMP 中的 d2 和 d3 值仅升至 25。从版本 15 开始，d2 和 d3 值升至 50。无论您的样本大小是 475，JMP 都将使用 d2 和 d3 值为 50，因此给出注释“遇到了大于 50 的子组大小。建议的替代方案是细分子组，或使用标准差图而不是范围。”
回复：大子组大小的控制图 Xbar-R@米博所以，就像丹说的那样，这是一个巨大的子群体规模。 没有什么问题，但是很有趣。 很想知道您所关注的数据类型。
回复：大子组大小的控制图 Xbar-R您要查找的公式位于 JMP 文档中：
我从未见过样本量高达 475 的 d2 值表。 我通过创建 475 个随机正态数来模拟您的子组样本并计算范围来估计它。 我这样做了 1,000,000 次，平均值为 6.041，这应该是 d2 的合理估计（您可以在已知 d2 的情况下针对样本大小验证此方法）。
请注意，对如此大的子组使用范围可能不是一个好主意。 我认为使用 Xbar-S 图表更有意义。 大多数作者还指出，当 n >= 8 时应使用 Xbar-S。 此外，如此大的子组自然会有非常严格的控制限制。
