第一节
引言、目的和术语
引  言
测量数据的使用比以前更频繁、更广泛。例如，是否调整制造过程现在普遍依据测量数据来决定。把测量数据或由它们计算出的一些统计量，与这一过程的统计控制限值相比较，如果比较结果表明这一过程在统计控制之外，那么要做某种调整，否则，这一过程就允许运行而勿须调整。
测量数据的另外一个用途是确定两个或多个变量之间是否存在某种显著关系。例如，人们可以推测一模制塑料件的关键尺寸与浇注材料温度有关系。这种可能的关系可通过采用所谓回归分析的统计方法进行研究。即比较关键尺寸的测量结果与浇注材料温度的测量结果。
探索象这类关系的研究，是戴明博士称为以分析的方法研究的一些实例。通常，分析研究是增加对于有关影响过程的各种原因的系统的知识。各种分析研究是测量数据的最重要应用之一，因为这些分析研究最终导致更好地理解各种过程。
应用以数据为基础的方法的益处，很大程度上决定于所用测量数据的质量。如果测量数据质量低，则这种方法的益处很可能低，类似地，如果测量数据质量高，这一方法的益处也很可能高。
为了确保应用测量数据所得到的益处大于获得它们所花的费用，就必须把注意力集中在数据的质量上。

测量数据的质量
测量数据质量与稳定条件下运行的某一测量系统得到的多次测量结果的统计特性有关。
例如，假定用在稳定条件下运行的某测量系统，得到某一特性的多次测量结果。如果这些测量数据与这一特性的标准值都很“接近”，那么可以说这些测量数据的质量“高”，类似地，如果一些或全部测量结果“远离”标准值，那么可以说这些数据的质量“低”。
表征数据质量最通用的统计特性是偏倚和方差。所谓偏倚的特性，是指数据相对标准值的位置，而所谓方差的特性，是指数据的分布，但是，其它的统计特性如错误分类率在某些情况下也是恰当的。
低质量数据最普通的原因之一是数据变差太大。例如，测量某容器内的流体的容积，使用的测量系统可能对它周围的环境温度敏感，在这种情况下，数据的变差可能由于其体积的变化或周围温度的变化，使得解释这些数据更困难。因此这一测量系统是不太合乎需要的。
一组测量的变差大多是由于测量系统和它的环境之间的交互作用造成的。如果这种交互作用产生太大的变差，那么数据的质量会很低，以致这些数据是无用的。例如，一个具有大量变差的测量系统，用来分析一个制造过程，可能是不恰当的，因为这一测量系统的变差，可能会掩盖制造过程中的变差。