在现今制造业中，产品的品质是决定企业能否持续发展的关键之一。其中，多元控制图作为检测产品生产过程变化的重要工具，是统计过程控制的核心。多元控制图发展到现在，其应用成果十分丰富，能够有效地找到影响产品品质的原因，使产品的生产过程尽量维持在受控状态。此外，多元控制图还取得了极好的经济效益。现今，统计过程控制中应用得最广泛的多元控制图是多元均值控制图，包括了T2控制图和x2控制图。　　本文针对多元均值控制图的两个缺点，即检测变量均值发生小偏移或中等偏移的能力不佳、难以诊断导致异常的原因及识别失控变量的偏移程度，有针对性地提出改进的办法。本文所做的设计和研究工作以及得到的结论包括：　　(1)将失控状态下的动态x2控制图推广至稳定态下的动态x2控制图，并用马尔可夫链法对稳定态下的动态x2控制图进行了可变样本容量和可变区间的设计。使用计算机模拟对比改进的动态x2控制图和静态x2控制图后，得出结论：改进的动态x2控制图克服了静态x2控制图检测中小偏移的能力不佳这一缺点。　　(2)将失控状态下带运行规则的X控制图推广至稳定态下带运行规则的动态x2控制图。并且，分别使用马尔可夫链法和递推公式法对改进的动态x2控制图进行了可变样本容量和可变区间的设计。得出结论：改进的带运行规则动态x2控制图不仅能保持失控报警效果，还能减少抽样转换次数。　　(3)传统的异常诊断模型的诊断效果不稳定且难以确定失控变量偏移程度。基于人工智能的神经网络法具有过学习、低泛化能力等缺点。为克服以上方法的不足，本文首次使用基于样本距离隶属度函数的模糊支持向量机来建立多元控制图异常诊断模型。该模型的诊断效果不仅比传统的Bonferroni法更稳定，比神经网络法、支持向量机法效果更好，还能较好地识别失控变量的偏移程度。