Ocena i zapewnienie jakości danych pomiarowych to podstawa wszystkich dalszych działań i analiz w zakresie kwalifikacji, oceny zachowania czy też doskonalenia procesu. Bez „dobrych” danych pozyskanych poprzez pomiar nie ma dobrego dalszego wnioskowania i podejmowania właściwych decyzji.
W roku 2021 ukazały się Podręczniki Referencyjne RM 13006 „Process Control Methods” oraz RM 13003 „Measurement Systems Analysis” stanowiące uzupełnienie, rozwinięcie, szeroką wykładnię i interpretację wymagań odnośnie SPC i MSA zawartych w wydanej w tym samym roku normie AS 13100 „AESQ Quality Management System Requirements for Aero Engine Design and Production Organisations”.
Żyjemy w czasach, w których podejmowanie praktycznie każdej decyzji odbywa się na podstawie danych. Wszyscy odczuwamy postępującą cyfryzację rzeczywistości i – użyjmy coraz częściej wykorzystywanego teraz terminu - danetyzację świata. Jesteśmy świadkami i równocześnie w wielu aspektach – osobistym, zawodowym, biznesowym, społecznym – kreujemy i wykorzystujemy współczesną przestrzeń Big Data. Jak pisze Gorelik z Waterline Data „świat zachłystnął się danymi”.
Przedmiotem Statystycznego Sterowania Procesem (SPC) jest ocena zachowania procesu ze względu na zmienność. Same narzędzia SPC nie mogą i nigdy nie zastąpią tej wiedzy o procesie, która wynika przede wszystkim z wykształcenia i doświadczenia. Prawdziwe, rzeczywiste, „żywe” SPC to połączenie technicznej i technologicznej znajomości procesu z informacjami dostarczanymi przez narzędzia SPC.
Analiza sensoryczna, zarówno w obszarze analitycznym, jak i konsumenckim wymaga stosowania wielu różnych narzędzi statystycznych. Wydaje się, że znajomość tych narzędzi zarówno co do techniki ich stosowania, jak i przede wszystkim – wykorzystania dostarczanej informacji i interpretacji wyników analizy pozwala na wybór najbardziej odpowiedniej metody i jej możliwie najbardziej efektywne wykorzystanie.
Poza podstawową informacją, jaką niesie graficzny test normalności (parametr podlega/nie podlega rozkładowi normalnemu wykres ten umożliwia również identyfikację wyników izolowanych (outliers), ocenę rozdzielczości urządzenia pomiarowego, czy też – w ANOVA lub DOE – zblokowanie wyników.