多元统计监督技术可用于批处理系统，帮助操作人员和工程师发现生产过程中出现的异常运行问题，通过自动控制提高产品的一致性。

　　多年来，化学和过程工业一直将统计过程控制（SPC）用作监督和维持生产过程系统一致性和运行的工具。传统的SPC方法包括，通过图表显示重要质量参数的走势，确保这些走势不会超出预先设定的控制范围。该方法的应用尽管有多年历史，它自身存在的诸多限制影响到它对批处理过程进行精确监督的能力。
　　例如，由于SPC内可记录许多变量，这些变量需要多个曲线图加以说明，但是完成这项工作难度很大。此外，由于稳态在批处理操作中通常是不可能实现的控制工程网版权所有，变量之间的相互影响可能引起偏差，而这些相互影响不可能作为独立的测量值出现在监督变量的SPC曲线图上。
　　最新应用研究表明，多元统计技术能够支持复杂的批处理过程保持一致的操作。多元统计在很大程度上依赖称为主成分分析（PCA）和偏最小二乘法（PLS）的统计程序。 PCA是一种专门用于析取数据集主要特征的方法，因此，它能够识别一些反映过程工厂运行的重要信息的统计数据。


主成分分析
　　PCA 用于数据集时，识别出人工变量——原始过程变量的线性组合。这些线性组合