统计过程控制是保证生产过程质量可靠的重要手段,而控制图是统计过程控制中监测产品受控状态最常用的工具。传统的控制图通常假定待监测的质量特性服从正态分布并且过程中涉及的参数均为已知,由此构建检验统计量和控制图的模型。然而在现实生产过程中,常面临以下问题:（1）过程服从非正态分布;（2）过程参数未知;（3）可获取的样本量较小。不适用的控制图会引发漏报或者错报的情况,从而导致无效监控。关于适用于非正态分布的控制图,鲜有学者研究最小极值分布。而在一些影响重大且发生率较低的事件中,用最小极值分布进行分析可以得到较为准确的预测结果。因此本文针对服从最小极值分布的生产过程,提出了一种考虑辅助变量的分位数控制图。并且使用控制图常用的性能衡量指标,对该分位数控制图与均值控制图以及不考虑辅助变量的分位数控制图在仿真数据与实例中分别进行比较,结果均证实该分位数控制图比其余两种控制图更适用。控制图的设计思路主要从以下几方面阐述:首先,引入一个与研究变量具有回归关系的辅助变量且辅助变量服从最小极值分布。1)通过辅助变量与研究变量的回归关系推导出研究变量的条件分布函数和分位数统计量的表达式;2)结合最小二乘估计法和极大似然估计法对过程中涉及的未知参数进行估计;3)通过Bootstrap方法计算出未知参数值并进一步得到控制界限。其次,在仿真数据中,针对控制界限和平均运行链长、运行链长标准差三个维度,将本文提出的考虑辅助变量的分位数控制图与未引入辅助变量的均值极差控制图和分位数控制图进行比较。仿真结果表明本文提出的考虑辅助变量的分位数控制图对最小极值分布的监测效果最佳。其中考虑辅助变量的分位数控制图能监测到微弱的偏移,对尺度参数的较大偏移监测效果好,小偏移监测效果欠佳。最后,在一组汽车制动系统的实例数据中应用文本提出的分位数控制图,该控制图识别出了汽车制动系统非常微弱的变化,而传统均值控制图和不考虑辅助变量的分位数控制图完全失效。