过程的异常监测和能力分析在智能制造中分别是保证生产安全和产品质量的重要环节。近年来数据驱动的相关研究取得了丰富的成果,然而大多数工作都基于过程平稳的假定。随着工业生产日益复杂化和精细化,非平稳过程所带来的影响越来越显著,因而受到了学术界和工业界的广泛关注。非平稳过程中过程变量是时变的,导致了特征提取复杂且过程间不同步的问题;对应地,其质量变量也可能呈现出多元、非高斯、非线性等特点,这给过程监测和能力分析带来了巨大的挑战,有待进一步研究。为了解决上述问题,本文针对非平稳过程的异常监测提出了基于动态时间规整（DTW）的改进方法,通过DTW距离上的近邻以及开放尾端的在线投影策略,统一了过程数据的时间尺度,并针对幅值和时间上的各类异常构造了监控指标,确定了控制限,有效解决了非平稳过程的在线监控所面临的主要问题。通过田纳西伊士曼（TE）过程的仿真和半导体刻蚀过程的实例,证实了此方法相较于已有方法有更高的准确性。对于统计可控的过程在多级规格限下的多元能力分析需求,本文首先对关于质量的历史数据使用了基于核主成分分析（KPCA）和Yoe-Johnson变换的扩充,随后在一个改进的基维亚特图（Kiviat diagram）框架下对其进行了投影,并基于分布对各个等级分别建立了置信区域,实现了准确的多元质量分级。在此基础上,进一步构造了新的多元能力指标（PCI）用于评估过程对于各级规格的能力。本文所提出的可视化多级能力分析方法通过一个激光半导体工业的质量数据集得到了检验,并对比了已有方法,结果显示此方法更具有效性。