在自动化控制领域，被控制的系统参数叫过程变量。随着计算机系统、数据库系统的普及应用，使工厂拥有了相当丰富的生产数据资源，提出了采用多变量统计分析方法对大量测量控制数据、产品质量数据等进行处理的应用需求，目的是通过生产数据分析来揭示、反映过程的内在变化，为提高产品质量提供有用信息，从而把数据资源的拥有优势转化为生产效益和产品质量优势。将多变量统计分析方法融人传统的统计过程控制，形成了多变量统计过程控制MSPC的基本框架。

传统的统计过程控制以概率论和数理统计为基础，以提高产品质量水平为目标，采用统计控制图、统计描述、统计相关分析、实验设计、回归分析等方法，分析处理与产品质量相关的生产过程数据。其成功应用大都集中在离散制造业中。由于连续生产过程本身的复杂性，其产品质量往往涉及到具有相关关系的几十、甚至上百个变量，这些变量在一段时间的采样数据量之大，使得传统SPC在该领域的应用受到限制。

随着测量技术的发展，人们已经能够对越来越多的产品性能指标进行测量，同时用户对产品性能的定量要求也越来越严格。这就要求对许多产品性能指标和过程变量进行监视。如果需要监视的多个产品性能指标或多个过程变量之间存在相关关系，则仅靠分别对它们采用单变量统计过程控制，其结果往往不太可靠，需要采用变量关联图作进一步的监视。若某个装置的生产过程有100个测量变量，就需要监视100个变量趋势图，如果还想要监视变量间的关联图，这100个测量变量的两两关联图就有4950幅!过程操作人员很难同时监视这么多图形中变量的变化，需要引入多变量统计过程控制技术来改进对过程的监视。

所谓单元操作是由生产中的某一物理过程与过程设备共同构成的一个单元系统。对于同一物理过程．可在不同形式、不同结构的设备中完成。因此，由于物理过程变量和设备变量交集在一起，使得所处理的工程问题变得复杂。但是如果可以在众多变量之间将交联较弱者切开，即有可能使问题大为简化，从而易于解决，这就是过程变量分离方法。

在统计过程控制中，取得数据十分重要。需要得到关于过程输入、输出、产品质量的数据，也需要得到过程运行情况的数据，统计过程控制正是通过对这些数据的统计方法分析，发现过程变化，并追寻引起变化的原因。基于事实和数据的决策与基于主观感觉的决策往往有很大的差别，对数据的简单统计分析往往就能获得较大的收益。通过对过程数据的统计分析，可以完成以下工作：

（1）了解过程的运行状态，并预测可能出现的情况；

（2）对现有过程所能达到的质量指标做出评估；

（3）告诉人们什么时候、什么条件下过程出现了异常，应该去寻找影响过程运行的异常因素；

（4）告诉人们过程的哪些方面可能出现了不正常情况；

（5）根据所了解的过程运行状况，进而改进过程及产品质量。

还应该指出的是：统计分析的结果需要用过程操作人员的经验、知识进行解释，需要根据过程的机理去理解、运用。因此数据的采集、统计分析计算、图表只是统计过程控制的一部分，更重要的是需要有管理、生产人员的参与。