یک سیستم اندازه‌گیری ایده‌آل هر بار که از آن استفاده می‌شود، تنها اندازه‌گیری‌های «صحیح» را تولید می‌کند. هر اندازه گیری همیشه با یک استاندارد مطابقت دارد.
سیستم اندازه گیری که بتواند چنین اندازه گیری هایی را تولید کند، گفته می شود که دارای ویژگی های آماری واریانس صفر، بایاس صفر و احتمال صفر طبقه بندی اشتباه هر محصولی است که اندازه گیری کرده است. متأسفانه، سیستم‌های اندازه‌گیری با چنین ویژگی‌های آماری مطلوبی به ندرت وجود دارند، و بنابراین مدیران فرآیند معمولاً مجبور به استفاده از سیستم‌های اندازه‌گیری هستند که ویژگی‌های آماری پایین تری دارند. کیفیت یک سیستم اندازه گیری معمولاً تنها با ویژگی های آماری داده هایی که در طول زمان تولید می کند تعیین می شود. سایر ویژگی ها مانند هزینه، سهولت استفاده و غیره نیز از این جهت مهم هستند که به مطلوبیت کلی یک سیستم اندازه گیری کمک می کنند. اما این ویژگی های آماری داده های تولید شده است که کیفیت سیستم اندازه گیری را تعیین می کند.
ویژگی های آماری که برای یک استفاده مهم هستند، لزوماً مهم ترین خواص برای استفاده دیگر نیستند. به عنوان مثال، برای برخی از کاربردهای یک ماشین اندازه گیری مختصات (CMM)، مهمترین ویژگی های آماری بایاس و واریانس “کوچک” است. یک CMM با آن ویژگی‌ها اندازه‌گیری‌هایی را ایجاد می‌کند که «نزدیک» به مقادیر تأیید شده استانداردهایی هستند که قابل ردیابی هستند. داده های به دست آمده از چنین ماشینی می تواند برای تجزیه و تحلیل فرآیند تولید بسیار مفید باشد. اما، مهم نیست که بایاس و واریانس CMM چقدر «کوچک» باشد، سیستم اندازه‌گیری که از CMM استفاده می‌کند ممکن است نتواند کار قابل قبولی در تمایز بین محصول خوب و بد انجام دهد، زیرا منابع تغییرات اضافی معرفی شده توسط CMM وجود دارد.
مدیریت، مسئولیت شناسایی ویژگی های آماری را دارد که برای استفاده نهایی از داده ها مهم هستند. مدیریت همچنین مسئول اطمینان از استفاده از آن ویژگی ها به عنوان مبنایی برای انتخاب یک سیستم اندازه گیری است. برای تحقق این امر، تعاریف عملیاتی ویژگی های آماری و همچنین روش های قابل قبول اندازه گیری آنها مورد نیاز است. اگرچه ممکن است لازم باشد هر سیستم اندازه گیری دارای ویژگی های آماری متفاوتی باشد، ویژگی های اساسی خاصی وجود دارد که یک سیستم اندازه گیری “خوب” را تعریف می کند. که شامل:
1) حساسیت کافی. افزایش مقدار اندازه گیری باید نسبت به تغییرات فرآیند یا محدودیت های مشخصات به منظور اندازه گیری کوچک باشد.
2) سیستم های اندازه‌گیری باید تحت کنترل آماری باشند. که این معنی که در شرایط تکرارپذیر، تغییرات در سیستم های اندازه گیری اندازه‌گیری فقط به دلایل رایج است و نه به دلایل خاص. این را می توان به عنوان پایداری آماری نامید و به بهترین وجه با روش های گرافیکی ارزیابی می شود.
3) برای کنترل محصول، تغییرپذیری سیستم اندازه گیری باید در مقایسه با رواداری های مشخصات کم باشد. سیستم اندازه گیری را با رواداری ویژگی ارزیابی کنید.
4) برای کنترل فرآیند، تغییرپذیری سیستم اندازه‌گیری باید قدرت تفکیک مؤثر را نشان دهد و در مقایسه با تغییرات فرآیند تولید کوچک باشد. سیستم اندازه گیری را با تغییرات فرآیند 6 سیگما و یا تنوع کل از مطالعه MSA ارزیابی کنید.
