统计过程控制（SPC）包含了一系列统计检测程序,用以确保产品制造或服务满足一定的质量标准或者符合消费者或客户的需求。控制图是统计过程控制中的一个重要方法,被广泛运用于区分变化中的随机因素和非随机因素。设计、发展有效的控制图对改善过程监督来说总是值得的。这篇论文针对不同情形为改善过程控制提出了一些新的有效的控制图,对于产品质量从业人员来说,使用这些新的控制图将有助于监测和提高产品质量。当我们能够获得被监控的质量特征有关的补充信息时,我们可以方便地使用它来提高控制图的效率从而增加控制图的敏感性。在这个背景下,针对监控一般过程的中心位置,我们通过使用比例型估计量替代简单的均值估计量将辅助信息带入CUSUM控制图。在Shewhart控制图中通过利用单个样本的信息对过程状态作出决定,这将会推迟对小位移的监测。此外,这可能使工程师们基于单个样本信息决定过程状态变得十分困难。在此框架中,我们提出了一般化多个非独立状态（GMDS）抽样体系,它拓展了非独立状态（MDS）抽样体系。这个控制图策略包含了两对控制极限,结合了Shewhart体系和MDS体系。我们整合了GMDS体系来设计变量控制图以有效监督正态过程的中心位置。此外,我们基于GMDS体系提出了多元变量控制图以监测每一种产品中瑕疵品数量并且这些瑕疵品可以被区分为各种类型。在研究中,我们同样考虑了在测量过程中对产品的物理损伤或者观测阶段只有一个观测样品的情形。在我们的工作中,我们提出了两种最优人工Tukey控制图,通过在Tukey图中整合有效平均步长来有效监测统计过程的均值。这些控制图对异常值更具有灵活性和鲁棒性。此外,当监测的过程分布是未知的或非正态的,我们设计了两种有效的无分布同一权重移动平均控制图。这些控制图基于符号和符号秩统计量来分别监测对称和非对称分布过程的中心位置。我们通过各种步长特征来评价上述提出的控制图的表现。我们同时对研究中实际执行的案例提供了一些经验解释。