随着社会的不断进步,人们对产品的质量要求越来越高。统计过程控制(Statistical Process Control,SPC)技术在保证产品高质量生产过程中发挥着重要的作用。控制图作为SPC的重要工具之一,被广泛用在各类产品生产过程的质量控制中。借助控制图,我们能够及时发现过程偏移,并采取有效措施,以保证生产过程始终处于统计受控状态。随着自动化与传感器技术的迅速发展,高速率自动化采集数据已成为可能。但是,由于数据采集频率高、时间间隔短,数据极易产生自相关现象。自相关过程违背了传统控制图所要求的观测值相互独立的基本条件,故不能用传统控制图直接监控自相关过程。基于自回归模型的残差控制图是解决自相关过程监控的一种较好的方法。残差控制图的监控统计量为控制图监控自回归模型得到的预测值与实际值的残差,因而,自回归模型的构建是非常重要的环节。现有研究大多假设数据呈一阶自相关,而对多阶自相关数据考虑甚少,但多阶自相关数据在现实中是存在的。针多阶自相关数据,构建恰当的自回归模型需要丰富的实践经验,尤其在自回归阶数的判断上。假设数据呈p阶自相关,不同阶数的自回归模型如何影响残差控制图的性能,目前是不清楚的。基于此,针对p阶自相关数据,主要研究一阶与p阶自回归模型对残差控制图监控性能的影响。研究以蒙特卡洛仿真作为实验与企业应用分析的主要工具。针对p阶自相关数据,分别构建一阶与p阶自回归模型,即AR(1)与AR(p)模型,并分别计算两类残差,得到两类残差控制图。以平均运行链长及其标准差作为评价控制图性能的指标,比较了不同自相关系数与不同偏移下的残差X-bar单值控制图与残差累积和(CUSUM)控制图的性能。研究表明:对于残差X-bar单值控制图,当偏移相对较小时,AR(1)模型效果较好,且自相关程度越弱,AR(1)模型效果越好;当偏移相对较大时,AR(1)模型与AR(p)模型效果相当。对于残差CUSUM控制图,当偏移相对较小时,AR(1)模型效果较好,且自相关程度越强,AR(1)模型效果越好;当偏移相对较大时,AR(1)模型与AR(p)模型效果相当。总体来说,基于AR(1)模型的残差控制图的整体性能,要优于基于AR(p)模型的性能。因此,针对p阶自相关数据,直接采用AR(1)模型建模,不仅节省了建模成本,而且通过其得到的残差控制图能够满足实际要求。最后,以一种燃料电池的内部电极湿度数据为例,验证了仿真结论,并给出使用残差控制图的建议,即运用控制图之前,需要采用大样本确定控制图参数。