1、高级统计方法（AdvancedStatisticalMethods）
比基本的统计方法更复杂的统计过程分析及控制技术，包括更高级的控制图技术、回归分析、试验设计、先进的解决问题的技术等。
2、计数型数据（AttributesData）
可以用来记录和分析的定性数据，例如：要求的标签出现，所有要求的紧固件安装，经费报告中不出现错误等特性量即为计数型数据的例子。其他的例子如一些本来就可测量（即可以作为计量型数据处理）只是其结果用简单的“是/否”的形式来记录，例如：用通过/不通过量规来检验一根轴的直径的可接受性，或一张图样上任何设计更改的出现。计数型数据通常以不合格品或不合格的形式收集，它们通过p、np、c和u控制图来分析（参见计量型数据）。
3、均值（Average）（参见平均值Mean）
数值的总和被其个数（样本容量）除，在被平均的值的符号上加一横线表示。例如，在一个子组内的x值的平均值记为X，X（X两横）为子组平均值的平均值，X（X上加一波浪线）为子组中位数的平均值。R为子组极差的平均值。
4、认知（AwarenesS
个人对质量和生产率相互关系的理解，把注意力引导到管理义务的要求和达到持续改进的统计思想上。
5、基本的统计方法（BasicStatisticalMethods）
通过使用基本的解决问题的技术和统计过程控制来应用变差理论，包括控制图的绘制和解释（适用于计量型数据和计数型数据）和能力分析。
6、二项分布（BinomialDistribution）
应用于合格和不合格的计数型数据的离散型概率分布。是p和np控制图的基础。
7、因果图（Cause-EffectDiagram）
一种用于解决单个或成组问题的简单工具，它对各种过程要素采用图形描述来分析过程可能的变差源。也被称作鱼刺图（以其形状命名）或石川图（以其发明者命名）。
8、中心线（CentralLine）
控制图上的一条线，代表所给数据平均值。
9、特性（Characteristic）
一个过程或其输出的明显特性，可按这个特性收集计量型或计数型数据。
10、普通原因（CommonCause）
造成变差的一个原因，它影响被研究过程输出的所有单值；在控制图分析中，它表现为随机过程变差的一部分。
11、连续的（Consecutive）
连续生产的产品单元，是选择子组样本的基础。
12、质量和生产率持续改进（ContinualImprovementinQualityandProductivity）
一种可操作的宗旨，它充分利用公司内的人才，用不断提高效率的方式来为顾客生产质量不断提高的产品，从而归还受益者投资。这是一个动态的战略，使公司提高现在及未来市场条件中的能力。与任何静态的战略不同，它认为2（显然地或隐含地）一些特殊的不合格中不可避免的。
13、控制（Control）
用来表示一个过程特性的图象，图上标有根据那个特性收集到的一些统计数据，如一条中心线，一条或两条控制限。它能减少I尖错误和II类错误的净经济损失。它有两个基本的用途：一是用来判定一个过程是否一直受统计控制；二是用来帮助过程保持受控状态。
14、控制图（ControlLimit)
控制图上的一条线（或几条线），作为制定一个过程是否稳定的基础。如有超出了控制极限变差存在，则证明过程受特殊因素的影响。控制限是通过过程数据计算出来的，不要与工程的技术规范相混淆。
15、累计和（CUSUM）
一种先进的统计方法，它利用当前的和最近的过程数据来检验过程均值中不大的变化或变异性，CUSUM代表偏离目标值的变差的“累积和”，它把当前和最近的数据看得同等重要。
16、探测（找出）（Detection）
一种被动（事后）型的策略，它企图在产品生产出来后发生不能接受的输出，并将其与好的输出分开（参见预防）。
17、分布（Distrbution）
描述具有稳定系统变差的输出的一种方式，其中单个值是不可预测的，但一组单值就可形成一种图形，并可用位置、分布宽度和形状这些术语来描述。位置一般用均值来表示，或者用中位数表示。分布宽度用样本的标准差或样本极差表示，形状包括许多特性，比如对称性及峰度，但经常使用常见分布的名称来概括，如：正态分布，二项分布，或泊松分布
18、单值（Individual)
一个单个的产品或一个特性的一次测量，通常用符号X表示。
19、位置（Location)
分布中心趋势典型值的一般概念。
20、平均值（Mean）
一组测量值的均值。
21、中位数（Median）
将一组测量值从小到大排列后，中间的值即为中位数。如果数据库的个数为偶数，一般将中间两个数的平均值作为中位数。子组中位数是构成简单的有关过程位置的控制图的基础。中位数加波浪号（~）的符号表示；如X就是一分组的中位数
22、移动极差（MovingRange）
两个或多个连续样本值中最大值与最小值之差，这种差是按这样方式计算的：每当得到一个额外的数据点时，就在样本中加上这个新的点，同时删除其中时间上“最老的”点，然后计算与这点有关的极差，因此每个极差的计算至少与前一个极差的计算共用一个点的值。一般说来，移动极差用于单值控制图，并且通常用两点（连续的点）来计算移动极差
23、不合格品（Nonconformity）
一个具体出现的不符合规范要求或其他检验标准的情况，有时称为缺陷。一个不合格品中能有多处不合格。（例如：一扇门也许有几处凹痕和缝，对化油器进行功能检验可发现一些潜在的不合格。分析产品不合格的系统，用c和u控制图。
24、正态分布（NormalDistribution）
一种用于计量型数据的、连续的、对称的钟形频率分布，它是计量型数据用控制图的基础。当一组测量数据服从正态分布时，有大约68.26%的测量值落在平均值处正负一个标准差的区间内,大约95.44%的测量值将落在平均值处于正负两个标准差的区间内;大约99.73%的值将落在平均值处正负三个标准偏差的区间内。这些百分数是控制界限或控制图分析的基础（因为即使整个输出的全部数据不服从正态分布，但其子组平均值趋向于正态分布），而且是许多过程能力确定的基础（因为许多工业过程的输出服从正态分布。）
25、可操作的定义（OperationalDefinition）
清楚地交流质量期望和性能信息的方式；它由以下三部分组成：（1）适用于某一个物体或一个组标准，（2）对这一个体或组进行一种试验；（3）一个决定：是或不是——这一个体或组是否符合上述要求。
26、排列图（ParetoChart）
一种用于解决问题的简单工具，按照对成本或总变差的影响程序对各种潜在的有问题的区域变差源进行排序。一般情况下，大多数的成本（或变差）是由于少量原因造成的，所以解决问题的精力最好是优先集中在少量关键的原因上，而暂忽视多数不重要的原因。
27、泊松分布（PoissonDistribution）
应用于不合格数的计数型数据概率分布，是c和u控制图的基础。
28、预防（Prevention）
是一个主动（事前）型的策略，通过直接分析和改善过程本身来改进质量和生产率。预防是与持续改进的宗旨是一致的（参见检验）。
29、解决问题（Problim-Solving）
从症状分析到产生的原因（特殊的或普通的）再到改进性能措施的过程。可用的基本技术有：排列图，因果图及统计过程控制技术。
30、过程（Process）
能产生输出——一种给定的产品或服务的人、设备、材料、方法和环境的组合。过程可涉及到我们业务的合格各个方面，管理过程的一个有力工具即为统计过程控制。
31、过程均值（ProcessAverage）
一个特定过程特性的测量值分布的位置即为过程平均值，通常用X来表示。
32、过程能力（ProcessCapability）
一个稳定过程的固有变差（6σR/d2）的总范围。
——对于计量型数据（VariablesDataCase）
（1）过程固有能力定义为6σR/d2；
（2）符合规范的过程能力（即输出符合规范的百分数%）可以通过考虑过程中心及分布宽度（如CPK）等指数和一些假设来估算。然而，也有估算这个值更精确的方法。
——对于计数型数据（AttributesDataCase）
过程能力通常用不合格的平均比例或比率表示。例如，从控制图上来说，过程能力被定义为p，c或u，这里直接指的是不符合规范的产品的平均比例或比率（或用符合规范的比例1—p表示）。