随着科技的进步,产业技术也在不断地升级换代。在提高生产力的同时,必然要求提高对生产过程中非随机性因素监控的效率,从而达到不断地降低生产过程波动改善产品质量的目的。统计过程控制是质量控制的重要技术手段。它被广泛应用于生产制造、医疗健康、物流供应链管理以及企业管理等领域的质量管理和控制。以往的研究通常假定获得的数据是完全的,不存在缺值的情况。在实践中,由于许多不同的原因,经常会发生数据缺失现象。在统计过程控制领域中,对不完整数据集的处理,以及监控方法在监测存在数据缺失的离散轮廓的表现比较,尚未得到足够关注。显然,将现有的监控方法直接用于监控不完整数据集并不合适。本文回顾了关于离散数据监控、轮廓监控和缺失数据统计过程控制的研究进展。在理论部分首先介绍数据缺失机制和各种缺失数据处理方法,再者是指数族分布和广义线性模型,最后并对统计过程控制中完整数据监控方向的理论和方法作了简要回顾。然后,建立了分别针对泊松分布和二项分布的对数回归模型和逻辑回归模型等广义线性模型及参数估计方法。考虑到数据存在缺失,紧接着提出四种可用于对不完整离散数据进行插值的方法,分别是均值插补、线性回归插补、随机线性回归插补和多重插补。最后,提出了三种可监控阶段Ⅰ插值后离散轮廓的控制图,即T~2控制图、F控制图、似然比控制图。从而为不完整离散轮廓的建模和监控打下基础。在仿真部分,为了比较各插值方式的效果,选取T~2控制图作为研究目标。同时考虑持续性偏移和漂移两种过程变异类型,以及多种缺失率情形,通过T~2控制图的发出失控信号的概率,以评估各插值方式的性能。结果发现线性回归插补表现最好。随后结合插值方法,对控制图对经插值的离散轮廓数据的监控性能进行了仿真。通过插值形成的伪完整数据集,比较各控制图的监控表现。最后,通过汽车质保实例说明了文中所提出的插值和监控方法的实用性和可靠性。