MTS（Mahalanobis-Taguchi System）為田口博士近年來所發展的一套分析方法，可用於多維資料的診斷上，MTS利用馬氏距離（Mahalanobis Distance, MD）及一個所決定臨界值（threshold）做分類，或者「正常」及「異常」。
然而，不同群組的馬氏距離，其分配可能會某個程度的重疊，在此情況下，判錯的機會是不能避免的，因此本研究希望把模糊的概念導入判別的過程中，藉此希望能提高判別正確率。而經由數據模擬分析後，結合模糊判別分析的MTS，其判別正確率會比MTS來得好，馬氏距離不同程度的重疊，也有不同的判別效果，當刪減變數後，再結合模糊判別分析，所提升的判別正確率會較高。