引言、目的和术语
MSA数据的使用比以前更频繁、更广泛。例如，现在普
遍依据MSA数据来决定是否调整制造过程，把MSA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统计失控，那么要做某种调
整，否则，这一过程就允许运行而勿须高干呀。MSA数据另
一个用处是确定在两个或更多变量之间是否存在重要关系。 例如，能怀疑注塑料件上的一个关键尺寸和注射材料的温度有关。这种可能的关系可以通过采用所谓回归分析的方法来研究，即比较关键尺寸的MSA值和注射材料的温度测量值探索象这类关系的研究，是戴明博士称为分析研究的事例。通常，分析研究是增加对有关影响过程的各种原因的系统知识。各种分析研究是MSA数据和最重要应用之一，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收益，很大程度上决定于所用MSA数据的质量。如果MSA数据质量低，则这种方法的收益很可能低。类似地，MSA数据质量高，这一方法的收益也很可能高。
为了确保应用MSA数据所得到的收益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。
MSA数据质量由在稳定条件下运行的某一MSA系统得到的多次MSA结果的统计特性确定。例如，假定用在稳定条件下运行的某MSA系统，得到某一特性的多次MSA数据。如果这些MSA数据与这一特性的材料值都很“接近”，那么可以说这些MSA数据的质量“高”，类似地，如果一些或全部MSA数据“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MSA系统的偏倚和方差。所谓偏倚的特性，是指数据相对基准（标准）值的位置，而所谓方差的特性，是指数据的分布。
低质量数据最通常的原因之一是数据变差太大。一组MSA变差大多是由于MSA系统和它的环境之间的交互作用造成的。例如，MSA某容器内流体的容积，使用的MSA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，使得解释这些数据很困难，因此这一MSA系统是不理想的。
如果交互作用产生太大的变差，那么数据的质量可能会很低以至于数据没有用处。例如，一个具有大量变差的MSA系统，在分析制造过程中使用是不适合的，因为MSA系统变差可能会掩盖制造过程的变差。管理一个MSA系统的许多工作是监视和控制变差。这就是说，应着重研究掌握环境对MSA系统的影响，以使MSA系统产生可接受的数据。
本手册的目的是为评定MSA系统的质量提供指南。尽管这些指南足以用于任何MSA系统，但希望它们主要用于工业界的MSA系统。本手册不打算作为所有MSA系统分析的汇编。它主要关注的是对每个零件能重复读数的MSA系统。许多分析对于其它形式的MSA系统也是很有用的，并且该手册的确包含了参考意见和建议。对更复杂或不常见的情况在此没有讨论，建议咨询有统计能力的资源。MSA系统分析方法需要顾客批准，本手册没有覆盖。
