统计源于数据，数据来自测量，您是否曾有此疑问：统计过程分析是否准确反映了实际的过程状态？由此分析结果制定的改进措施是否正确？这都源于用于分析的数据的好坏。
MSA即研究用于确定统计分析的数据是否是好的，即研究测量过程变差对测量输出数据的影响，我们期望测量变差越小越好。MSA并不神秘，且听慢慢道来。
一、学习MSA首先必须要学会如下几组术语和概念，MSA的研究对象是测量系统、测量过程，而不是量具：
测量过程可看作是一种输出为数据的特殊过程（如下图）：
测量变差会对产品判断和过程判断造成影响，因此我们希望测量变差越小越好，一般对新测量设备要求%GRR<10%，这是有理论依据支持的:
简单总结一下，过程的总变差是不变的，它是由零件变差和测量系统变差构成的。所以为了让我们观测到的零件变差接近实际的变差，那测量系统变差越小越好，也就是%GRR<10%。
MSA不仅仅是研究实际测量的数值，还要与标准件对标，下面有几个术语我们必须知道：
了解了这些术语之后，我们再看如下MSA常用的几组术语，或者也叫方法：
上面的偏倚、线性、稳定性都与位置相关，是由于系统误差造成的。
重复性、再现性、GRR主要与离散程度相关，是由于随机误差造成的。
二、了解了MSA的术语和概念后，我们肯定会问，新的量具如何验收呢？这个往往是我们在实际过程中经常忽略的。与生产过程能力验收流程相似，量具验收流程中的几项重要工作包括设备能力验收→过程能力验收→监控稳定性。
量具验收的基本流程如下：
大家看到了，在量具验收之前，我们要基于其分辨率进行后续的验证活动，那什么是分辨率呢？
首先，要理解量具本身的分辨率是如何定义的：
其次，我们还要理解过程控制和过程分析的分辨率如何定义，也就是分类数（ndc）：
不同分类数（ndc）的控制图显示的结果是不一样的，显然分类数（ndc）越大，控制图的显示越能展现过程的变动，所以通常分类数（ndc）要大于5。
总结：以上我们给大家介绍了测量系统分析中涉及的重要术语和定义，让大家快速了解了什么是测量系统分析以及分析的主要内容。那具体如何实施测量系统分析呢？我们将在后续的微信推文中逐个向大家介绍。更详细的了解，也可以关注QualityIn质量学院MSA序列课程：
