一、工艺过程分析
工艺过程分析讨论的是过程能力，也是 6Sigma设计所关注的焦点。
1.过程的变化是稳定的。
如果过程的变化是稳定的，即 PP= PC ＝6σ
2.过程的变化是不稳定的。
如果过程的变化不稳定，即 PP> PC，可用样本的极差 R 和标准差 S 来估计。
PC=6S
3.过程能力指数。
过程能力指数是表征过程是否稳定的一个重要指标。
二、工艺性设计
在 6Sigma设计中要充分考虑生产和制造的工艺性，否则，制造和生产不顺畅，废次品多。要考虑质量成本增高的问题。
1. 对于具体设计，要考虑加工的工艺余量等工艺性问题。
2. 可制造性和可装配性问题。设计的产品能满足自动化加工和装配的需要，能提高生产效率。
3.低DPU设计。即每生产单元的不合格率要控制在最低，设计时要系统考虑Layout、焊接、表面贴装、组装等自动化加工的需要。
三、过程控制
工艺过程控制也是重要的一环。有好的6Sigma设计，不一定会生产或制造出高质量的产品。关键是工艺过程控制问题。人员、机器、物料、方法、环境的影响也是不容易忽视的因素，但过程的控制是6Sigma管理的重要一环。
1.单变量过程控制模式。
单变量过程控制模式（SPC）是当今应用较为普遍的控制模式，它是基于正态分布土3σ原理进行控制的结果，落在不可控区域的点只有0.27%(3%）。如下图所示。
2.多变量过程控制模式。
在实际的过程中，往往不是单都是多变量相互作用的系统。多变量过程控制系统（MSPCS）具有实际的控制意义。
多变量过程控制方程为矩阵X: X= [Xml U] 过程变量为Xm，操作变量为U
对于多个变量统计控制可通过T2 控制图来进行， 其控制模型为：
式中：ti 是Tk 矩阵的第i行，Tk是构成主元模型的K个主元的分向量，λ是K个主元所对应的特征值的对角矩阵。
Ti 是多个变量的累加的标量。 T2 图通过主元模型内部的主元向量模的波动来反映多变量的变化的情况。 现在有许多多变量统计过程控制软件可方便地解决这些数学统计问题， 对多变量进行精确控制。
