第一章－　第一节

引言、目的和术语

　　　　　　　　　　　　　测量数据的使用比以前更频繁、更广泛。例如，现在普

引言

                                         遍依据测量数据来决定是否调整制造过程，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。测量数据另

                                         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，可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统计

                                         方法来研究，即比较关键尺寸的测量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。各种分析研究是测量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测量数据的质量。如果测量数据质量低，则这种方法的收益很可能低。类似地，测量数据质量高，这一方法的收益也很可能高。

 

为了确保应用测量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。

测量数据的质量

 

测量数据质量由在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确定。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数据。如果这些测量数据与这一特性的材料值都很“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测量系统的偏倚和方差。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。一组测量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。例如，测量某容器内流体的容积，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