model {
for (i in 1:9) {
lower[i] <- y[i] - 0.5
upper[i] <- y[i] + 0.5
z[i] ~ dnorm(mu, 1)I(lower[i], upper[i])
}
mu ~ dunif(0, 100)
}

Data:
list(y=c(6,6,6,7,7,7,8,8,8))

Inits:
list(mu=6.5)

   node   mean   sd   MC error   2.5%   median   97.5%   start   sample
   mu   7.001   0.3496   0.00364   6.322   7.003   7.692   1001   10000
   z[1]   6.08   0.2778   0.002909   5.543   6.113   6.483   1001   10000
   z[2]   6.08   0.2779   0.002875   5.545   6.116   6.482   1001   10000
   z[3]   6.076   0.2781   0.002511   5.548   6.11   6.483   1001   10000
   z[4]   6.993   0.2829   0.002573   6.527   6.991   7.474   1001   10000
   z[5]   7.0   0.2834   0.002608   6.527   7.003   7.468   1001   10000
   z[6]   6.999   0.2859   0.003123   6.525   7.001   7.473   1001   10000
   z[7]   7.922   0.2759   0.002482   7.517   7.885   8.458   1001   10000
   z[8]   7.918   0.2768   0.002489   7.517   7.882   8.454   1001   10000
   z[9]   7.923   0.2794   0.002949   7.517   7.89   8.458   1001   10000
   
[example-9_6_3-grouped-chickens0][example-9_6_3-grouped-chickens1][example-9_6_3-grouped-chickens2]