在当前产品日渐复杂化与多样化的情况下,如何保证产品的质量将变得日趋重要。对企业生产的产品而言,质量的要求越来越高,且质量控制的因素也越来越多。而多元质量控制图与多元质量诊断技术的运用有助于企业改进多元质量特性的产品质量、提高产品竞争力。在传统的静态控制图已经不能满足企业实时的、动态的对质量进行监测的缺点下,本文首先提出了一种变抽样策略的多元T~2控制图,分析了该控制图的相关理论与建立标准,基于马尔科夫链方法建立了VSSI-T~2控制图与对比的MEWMA控制图的平均报警时间ATS,给出了不同参数条件下二者的最优采样策略,证明了在发生失控时其改进后动态控制图的平均报警时间更短。其次,当生产过程中存在系统因素时,需要对控制图模式进行识别以快速发现失控原因,控制图的异常模式可以发现生产过程中潜在存在的质量问题,本文在SVM的理论基础及其算法模型的基础上,基于有效统计特征与形状特征的提取建立了一种MSVM模型的分类器,并基于网络搜索的方法对该分类器的参数组合进行优化,并与BP神经网络算法做对比验证了该多元分类器对六种控制图模式的识别是可行性的,且有着较高的正确率。最后以控制图模式中的阶跃偏移为例,建立了一种呈正相关关系的多元过程均值偏移诊断模型。当多元控制图发生警报时,该模型可以对发生均值偏移的具体变量进行准确的定位,进而采取相应措施使相关变量尽快恢复到稳定受控的状态。