在质量控制中，产品实际达到的质量特性值与规定的质量特性值之间发生的偏离称为质量变异或质量波动。质量变异存在于任何过程中，是过程中多种因素作用的结果，它们主要来自以下5个方面：

1)人(Man)。操作者的质量意识、技术水平、熟练程度、正确作业和身体素质的差别等。

2)机器(Machine)。机器设备、工夹具的精度和维护保养状况等。

3)材料(Material)。材料的化学成分、物理性能及外观质量的差别等。

4)方法(Method)。生产工艺、操作规程以及工艺装备选择的差别等。

5)测量(Measure)。测量方法的差别。

6)环境(Environment)。工作地的温度、湿度、照明、噪声以及清洁条件的差别等。

通常把上述因素称为造成产品质量变异的6大因素，简称“5M1E”因素。

通常把只有正常变异的过程状态称为统计控制状态，简称稳定状态；把有异常变异的过程状态称为非统计控制状态，简称失控状态；过程状态处于统计控制状态且过程又能满足规定的要求，则称为受控状态。

对制造(服务)过程的质量控制就是要使过程始终处于稳定的受控状态，以确保产品和服务符合规定要求。处于稳定状态下的过程应具备以下几个条件：①原材料或上一过程半成品按照标准要求供应；②本过程按作业标准实施，并应在影响过程质量各主要因素无异常的条件下进行；③过程完成后，产品检测按标准要求进行 。2100433B

1、数据的分类

质量管理中的数据可以分成两大类：计量值数据和记数值数据。计量值数据是指可以用仪器测量的连续性数据，如长度、质量、时间、温度等。记数值数据是指不能连续取值，只能用自然数表示的数据，如不合格品数、铸件砂眼数、气孔数等。记数值数据还可以分为记件值数据和记点值数据。记件值数据是按产品个数记数的数据，如不合格品数等；记点值数据是按点记数的数据，如缺陷数等。

2、数据的统计规律

产品质量数据的变异一般表现为分散性和集中性两种基本特性。数据的分散性是由正常变异和异常变异引起的。当收集的数据足够多时，就会发现所有数据都在一定范围内聚集在一个中心值周围，越靠近中心值，数据越多；越偏离中心值，数据越少。数据的这种规律称为数据的集中性。

3、数据的统计特征

质量数据有两类常用的统计特征：一类是表示数据集中性的特征数，如平均值、中位数等；另一类是表示数据分散程度的特征数，如极差、标准差等。