大子組大小的控制圖 Xbar-RJMP 能夠產生大型子組規模的 Xbar-R 圖表。 若子組大小為 475，範圍上限控制限的方程式為何？ 我有 60 個子組，每個子組大小為 475。
我已經了解如何計算 Xbar-S 的 S 控制限，但我不知道 Xbar-R 的 UCLR 方程式。
麥克風
回覆：大子組大小的控制圖 Xbar-R@馬克貝利，這讓我想起了 Wheeler 博士的《理解 SPC 第二版》第 5 章（第 112-113 頁）中的“分組原則 #1、#2 和 #3”，分組原則#1：切勿故意將不同的事物分組在一起。分組原則#2：最小化每個子組內的變異。分組原則#3：最大化子組之間差異的機會。
回覆：大子組大小的控制圖 Xbar-R很抱歉您這樣解釋這裡的回覆。 據我所知，沒有人要求你為自己辯護。 問你的問題是為了清楚起見。 如果討論中遺漏了重要的細節，很容易提供錯誤的答案或解決方案。 我沒有看到有人告訴你你錯了。 他們暗示，根據他們的經驗，該小組的規模是不尋常的，因此，他們想知道這些小組的性質。
您可以決定是否在此進一步詳細說明。 我希望您將來在對 JMP 有疑問時使用社區，因為它可能是您可以獲得的最佳資源。
回覆：大子組大小的控制圖 Xbar-R在這種情況下，不存在選擇 Xbar-R 和 Xbar-S 的「正確」方法，它們都是錯誤的。 子組內的變異由變異的三個組成部分組成：短期隨機性、「長期」趨勢和偶爾的特殊原因不可預測的峰值。 沒有適合這種情況的管制圖。 只有高級建模，最終可能是合適的。 然而，在這種情況下，在這種情況下，範圍圖已經證明了其能夠更好地檢測具有尖峰的數據，S 圖過於敏感並導致過度反應。
我只是想知道數學。 如果我在 JMP 幫助方面掌握更多技能，我可以避免使用幫助論壇。 我感到被冒犯了，因為我必須為自己辯護，只是為了問一些事情是如何運作的。 如果你看看我對問題的回答，你會發現超過一半的人告訴我我做錯了什麼，但沒有提供任何答案。 這近乎惡搞，而且更像是 Reddit，而不是專業的幫助論壇。 只有兩個人為回答我的實際問題做出了貢獻。
試著給某人以無罪推論，不要立即認為因為我違反了一些指導方針，所以我是無能的，是某種異端分子。 我不是問應用問題，我是在問關於公式的問題。
有一個人很好奇為什麼 n=475，而不是大多數人說我應該做 Xbar-S。 Xbar-S也是錯的，但面對反對，我懶得詳細說明。
回覆：大子組大小的控制圖 Xbar-R@米博當 n>50 時，d2 和 d3 值變得更加不穩定。由於常數不能以封閉形式提供，因此不同的參考文獻給出了各種答案（每個答案都使用不同的估計方法）。因此，開發者決定停在n=50。我們建議切換到樣本量大於 50 的 XBar/S 圖表。
回覆：大子組大小的控制圖 Xbar-R謝謝丹·奧伯米勒和托妮亞·莫爾丁0尋找線索。 簡短的回答是
UCLR = Rbar + 3 * d3 * (Rbar/d2)
對於 50 的子組大小，
根據 Harter 的本文表 2，d2 = 4.4981472588，d3 平方為 0.4252899556： https://projecteuclid.org/download/pdf_1/euclid.aoms/1177705684
d3 為 0.6526098038
這是我第一次深入研究控制圖常數的來源，幸運的是 Harter 論文上線了。
那篇論文最多可以達到 n=100。 Minitab 將執行最多 100 的子組大小。我不確定為什麼 JMP 停止在 50。
在我的專案中，我非常清楚，我的小組內並沒有一個恆定的偶然原因係統。 儘管如此，範圍圖對於某些情況還是有用的。
回覆：大子組大小的控制圖 Xbar-R當我們說「子群體」時，我們意思是「理性子群」。 我並不是批評你的選擇。 我只是在檢查。
我們為控制圖設計資料收集，以便特殊原因事件向子組提供觀察結果的可能性（理想情況下）為零。 以這種方式設計的理性子組將產生對短期變化的無偏估計。同時，我們以足夠的頻率間隔子組，以便檢測到特殊原因的機會很高。 自相關也是可能影響控制圖表現和解釋的問題。 當然，子組的組成、大小和頻率的選擇通常受到實際考慮的限制。
控制圖是一種有效且客觀的工具，能夠提供來自小型子群組的有用資訊（即訊號）。 您的 475 子組的基礎是什麼？
回覆：大子組大小的控制圖 Xbar-R@Byron_JMP關於這個主題有很多爭論，你可以找到不同的經驗法則。一般來說，較小的樣本量建議使用 R 圖表，較大的樣本量建議使用 S 圖表。以下網頁https://www.qualitymag.com/articles/95813-control-charts-which-one-should-i-use建議如果您的樣本量為 1<10，則應使用 R 控製圖。如果樣本量 >=10，則應使用 S 控製圖。
這是另一頁（何時使用 Xbar R 控製圖與 Xbar S 控製圖？ ）表示對於 1<11，應使用 R 控製圖。如果樣本量 >=12，則應使用 S 控製圖。
回覆：大子組大小的控制圖 Xbar-R@tonya_mauldin對於較大的子組大小，使用 s-bar 不會有一些優勢嗎？ 在 n=25 或 30 左右，平均估計值非常好，也許比用於 x-bar 的經典方法更好？
回覆：大子組大小的控制圖 Xbar-R在 JMP 版本 15 之前，JMP 中的 d2 和 d3 值僅上升到 25。從版本 15 開始，d2 和 d3 值上升到 50。無論您的樣本大小是 475，JMP 都會使用 d2 和 d3 值為50，因此給出註釋「遇到了大於50 的子組大小。建議的替代方案是細分子組，或使用標準差圖而不是範圍。”
回覆：大子組大小的控制圖 Xbar-R@米博所以，就像丹說的那樣，這是一個巨大的子群體規模。 沒有什麼問題，但是很有趣。 很想知道您所關注的資料類型。
回覆：大子組大小的控制圖 Xbar-R您要尋找的公式位於 JMP 文件中：
我從未見過樣本量高達 475 的 d2 值表。 我透過創建 475 個隨機正態數來模擬您的子組樣本併計算範圍來估計它。 我這樣做了 1,000,000 次，平均值為 6.041，這應該是 d2 的合理估計（您可以在知道 d2 的情況下針對樣本大小驗證此方法）。
請注意，對如此大的子組使用範圍可能不是一個好主意。 我認為使用 Xbar-S 圖表更有意義。 大多數作者也指出，當 n >= 8 時應使用 Xbar-S。 此外，如此大的子組自然會有非常嚴格的控制限制。
