预测最终客户的属性拒绝我们在每个制造过程步骤中进行人工检查并清除发现的废品（例如损坏的电线）。 由于人工检验并非 100% 有效，有哪些统计方法可用于 ATTRIBUTE 数据来预测客户可能收到的废品数量？
分析回复：预测最终客户的属性拒绝这个问题不是那么容易回答的，因为您说“……人工检查不是 100% 有效的。”您承认某些拒绝传递给客户。 你想预测这个数字。 我知道如何做到这一点的唯一方法是对客户制定某种抽样计划……要么你这样做……要么他们这样做并向你报告。 那么一个简单的控制图是“预测”客户“可以看到”的拒绝数量的一种方法。 这两种方法都不会给你真相……但它们可以为你提供一些信息和数据，以评估不合格品的数量和该数量随时间的稳定性。
回复：预测最终客户的属性拒绝首先，欢迎来到社区。
除了皮特的评论，以下是我的想法：
1. 为什么您在制造过程的每一步都会收到不合格品？ 您的努力不是更好地了解导致拒绝的原因并努力管理这些输入以防止拒绝。
2.我相信您的意思是目视检查而不是手动（尽管您的观点可能不是自动目视检查）。 能够通过连续测量而不是通过-失败标准来量化缺陷将是有益的（效率和有效性）。 您可能需要发挥创造力（例如，问问自己如何测量电线损坏，位置指标也可能很有用，有时缺陷密度可以说明问题）。 作为响应的缺陷或缺陷会带来多个问题。 目视检查不仅在有效性方面存在挑战，而且还很容易产生偏差，并汇总可能的故障机制，从而难以确定因果关系。
3. 您可以使用 P/NP-charts（缺陷）或 C/U-charts（缺陷）来评估一致性，但同样您真的不想始终如一地制造缺陷。
