网络过程监控在制造与物流网络的监控、垃圾邮件监测以及细胞网络病变预警等方面均具有广泛的应用。近几年，网络过程监控已成为质量控制领域中的热点问题。网络监控的重要方法之一是采用结构统计量或拟合概率模型以表示网络的结构特征，进而构建结构统计量或模型参数的控制图。已有的大多数研究主要是对网络的多个统计量分别进行监控，忽略了统计量之间的相关性对监控效果的影响;同时，实践中很多网络过程存在自相关性，也可能会影响控制图的监控性能。因此，本文在考虑两种相关性的基础上，对网络过程监控问题进行了研究。
　　首先，本文通过实例和文献研究发现，网络的不同特征统计量之间往往存在较强的相关性。忽略相关性可能会导致控制图的检出力降低。针对独立网络过程，本文提出联合监控边、二星和三角结构数的多元控制图。仿真试验研究表明，当网络节点之间的连结概率和节点度的波动性发生较大偏移时，该控制图具有明显优势。通过人体脑部结构网络实例的分析，说明了该方法的有效性。
　　第二，本文基于可分的时间指数随机图模型提出了网络控制图的性能评价方法。该方法适用于独立网络过程和自相关网络过程两种情形下的控制图的评价。通过设计仿真试验，本文比较了常用结构统计量控制图在不同自相关水平下监测过程偏移的能力。仿真试验结果表明，在过程受控状态下，随着正自相关性的增强，基于移动极差的边数控制图的平均运行长度显著降低，且远低于预期设定;基于标准差和基于泊松分布的边数控制图运行长度的波动性显著增加。
　　第三，针对自相关网络过程，本文采用移动窗口方法选择基准数据，对移动窗口内网络数据的结构统计量拟合时间序列模型，计算统计量与预测值之间的残差，进而提出结构统计量的标准化残差控制图。该方法能够自动整合在线监控阶段产生的数据，用于计算下一时间点的标准化残差，以实现自相关过程的动态实时监控。该方法成功应用于企业邮件交流网络监控实例的分析，有效监测出了重要事件的发生。
　　本文丰富了网络过程监控的研究内容，具有重要的理论意义;同时，本文的研究成果在现代制造、物流、政府和企业管理以及医疗健康监控等涉及的网络过程监控和预警中具有广泛的应用价值。