为了最大限度地保证最终产品的质量，需要对整个生产过程进行深入分析、监测和优化，保证每一道工序中所生产的零部件或中间产品拥有高度的一致性。过程分析是通过对原料、中间产品和过程本身过程参数进行实时分析实现设计、分析和生产控制的系统，目的是确保最终产品的质量。过程分析化学计量学是指在过程分析领域使用的化学计量学方法，通过化学计量学方法对过程数据进行分析，分析过程数据中的重要影响因素，选择合适的操作参数，以实现过程状态的实时检测，给出如浓度、质量、产量、状态等指标，优化生产过程，实现对过程状态的健康性、稳定性、准确性评估，最终提高产品的质量。

过程分析化学计量学主要分为过程控制和过程分析技术。过程控制技术主要对过程数据进行解析，得到过程本质特征，实现对过程状态的实时在线检测，并进一步提供这些指标的可视化图像，实现对整个生产过程的监控。早期的过程分析技术为统计过程控制，即以统计学方法为基础，采用统计相关分析、试验设计、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，得到相关参数的过程控制图及相关的统计描述。通过过程控制图，可以直观地反映生产过程中各类指标的状态，最终实现过程控制。传统的统计过程控制采用单变量统计方法，只对生产过程中的一些重要指标独立地实施统计分析，建立单变量过程控制图。

随着测量技术的发展，越来越多的产品性能指标得以测量，多元统计过程控制方法得到发展。多变量统计过程控制是把主成分分析、偏最小二乘回归和主成分回归等多元统计方法融入传统的统计过程控制技术之中，形成了通过多个相关变量进行生产过程监控、分析、控制的方法与技术。它主要采用多元统计方法，将大量的过程数据从高维数据空间投影到低维特征空间，在摒弃冗余信息的同时最大限度地保留原始数据的特征信息。常用的方法包括回归分析、判别分析、聚类分析、主成分分析、对应分析、因子分析、典型相关分析、多元方差分析等，其中基于主成分分析的方法应用较为广泛，霍特林（Hotelling）T²统计量是最常用的多元统计控制参数。此外，非线性建模方法，如人工神经网络、支持向量机等，也常作为多元统计分析方法用于多变量统计过程控制。