武汉大学机构用户，欢迎您！
日本筑波大学山田秀准教授以“SQC方法、田口方法以及MTS”为题发表长篇文章，就日本质量管理的各种基本方法做了简明而系统的介绍。据他调查了解，这些方法都很成熟有效，目前被广泛地应用于日本企业的质量管理之中。但是，某些方法的区分尚有不明之处，例如哪些内容属于“试验设计法”，哪些内容叫作“田口方法”等等，在各企业中虽然也明确了大致范围，但未有统一定论，而且相互之间在认识上也有所差异。山田教授从系统介绍的角度出发，在文章中将QC七大工具、统计方法基础、假设检验、相关与回归、多变量分析以及试验设计法（不包括参数设计）等归类于“SQC（统计质量控制）方法”，而将参数设计、损失函数以及MTS（马田系统，基于马氏距离和田口方法发展起来的一种判别预测方法）等界定为“田口方法”，并在简要介绍SQC各种方法之后以较大篇幅着重描述了尚欠普及的田口方法中的参数设计和MTS。本文作为连载的第一篇，先介绍SQC的各种方法。
从上表可以看出，新QC七大工具中主要包括了将语言资料等定性的信息根据其类似性加以分析整理的各种手法。 由于“新”QC七大工具这一称呼的原因，也许会给人们造成这样一种印象：表1所示的QC七大工具的方法是老的，而表2所示的新QC七大工具的方法是新的，所以在功能上一定优于前者。然而，实际上绝无此事。新QC七大工具的方法应该是用来弥补前者不足的。 （3）统计方法基础——基本统计量及其性质 当将测定的数据集中处理时，首先通过图表等形式加以表达并作概略的探索，与此同时计算出平均值和标准差等统计量，以数值的形式归纳整理数据，作出客观的表达。为了以图表形式将这些数据作视觉上的表达，前面介绍的QC七大工具可发挥作用。因为茫然地面对大量的数据是看不出什么结果的，所以要将它们做定量表达。定量表达的角度多种多样。在取得重量、长度等定量数据资料时，首先要从“中心位置”和“离散”的角度出发将数据资料归纳整理成统计值。 关于离散问题，它具有被称为“离差的可加性（或叫加法性）”的重要性质。这就是说，离散并不是标准差，而是由离差相加合成的。 在平均和标准差的基础上，作为应予理解的统计量，尚有一个相关系数。这是一种用于将成对的2个变量数据进行归纳整理的方法。相关系数就是一个用来定量地表达“当一方变大时，另一方是变大还是变小”的统计量。 3.中级方法 中级方法包括假设检验，回归分析和方差分析等。这些东西不仅对于质量管理工作者来说必须能够恰当地应用，而且对于从事计划、设计和生产的人员来说，虽然不一定了解其详细理论，但也同样要求能够恰当地运用。中级方法的基础就是关于“总体”和“样本”的考虑方法。从作为考察研究对象的总体取得少量样本以收集必要的数据，在分析数据的基础上再对总体采取某种措施。支撑上述质量管理活动的基础包括以下几个方面。 （1）假设检验 所谓假设检验，就是一种先设定一个关于总体的假设，然后根据收集到的数据来判断接受或拒绝上述假设的方法。拥有什么样的数据，要判定什么样的假设，根据情况不同验定步骤将有所差异。看上去比较复杂的步骤，只要理解了假设检验的基本观点和统计量的分布就能够达到统一的理解。对假设检验的基本观点和统计量的分布基础的理解可以认为是一种中级水平的理解。 （2）回归分析 所谓回归分析，就是一种以已经收集到的数据为基础进行分析并近似地求出应变量与相关变量之间的关系的方法。从大体上看，它是一种在y和x散布图上用曲线（直线）拟合x和y之间关系的方法。如果这样将y和x的关系用数学表达式来表达，那么就可以从x的水平预测y的水平。此时，在与结果相关的变量为复数的情况下，有时也被称之为“多元回归分析”。 （3）方差分析 所谓方差分析，就是一种对析因的效果系统地进行验定的方法。在单因子试验时，它们则成为假设检验的扩展。方差分析不仅应用于试验设计法收集的数据的分析，而且如同回归分析一样，也应用于已经收集到的数据的分析。
