21世纪作为“质量的纪元”,企业之间的竞争最终归结为产品质量的竞争。因此,先进的质量监控理论和方法已成为了学术界和工业界的研究热点。控制图（Control Chart）作为统计过程监控（Statistical Process Monitoring,SPM）的重要图形工具之一,主要是应用数理统计的方法和技术,对生产过程的各个阶段进行在线监控,根据采集的过程数据信息对系统运行状况进行统计推断,提前预防不合格品被制造出来,从而达到保证产品质量的目的。传统的控制图,包括休哈特（Shewhart）控制图、指数加权移动平均（Exponentially Weighted Moving Average,EWMA）控制图以及累积和（Cumulative Sum,CUSUM）控制图,都只能针对特定大小的参数偏移进行优化设计,因此需要事先估计过程中可能出现的偏移大小,这在先验知识不足的生产情况下是非常困难的。鉴于此,将Shewhart控制图与EWMA控制图相结合而形成的自适应EWMA（Adaptive EWMA,AEWMA）控制图,能够同时兼顾生产过程中出现的不同大小偏移,具有更好的全局性能。AEWMA控制图在最初设计时,通常假设样本数据测量无误差且服从分布参数已知的正态分布。而在实际过程中,一方面,样本数据测量时可能存在误差;另一方面,部分过程中的数据分布形式或分布参数可能是未知的;此外,为提高控制图的检测效率,动态的采样策略逐渐受到关注。围绕上述问题,本文主要从统计量及性能指标,控制图结构以及采样策略等多个方面对AEWMA控制图进行了研究,主要的研究成果如下:（1）带有测量误差的AEWMA控制图研究。考虑实际情况中产品质量特性的不精确测量或存在离群值的问题,提出了带有测量误差的AEWMA控制图。针对偏移大小的不确定性,构造了全局统计性能指标。同时基于Markov链法,给出了考虑测量误差下的AEWMA控制图的最优决策变量求解方法。实验分析表明,AEWMA控制图与EWMA控制图相比,无论是否存在测量误差,对于未知大小的偏移检测效果都更为显著。（2）带有参数估计的AEWMA控制图研究。考虑实际情况中过程数据分布参数未知的问题,提出了带有参数估计的AEWMA控制图。通过引入了新的性能指标,分析了参数估计条件下AEWMA控制图受控时的统计性能,并给出了估计样本大小的建议。同时基于bootstrap方法对参数估计条件下的AEWMA控制图的控制限进行了调整。实验分析表明,即使在带有参数估计的条件下,AEWMA控制图也同样具有更好的全局性能,可以在不损失小偏移检测能力的前提下,提高对大偏移的检测能力。（3）非参数AEWMA控制图研究。考虑实际情况中过程数据分布形式未知的问题,将AEWMA控制图与非参数统计检验理论结合,提出了一种新型非参数AEWMA控制图。同时针对新型控制图的结构,提出了一种精确型Markov链法,并通过优化相应控制图的性能指标获得最优决策变量。实验分析表明,非参数AEWMA控制图不需要预先知道样本的分布信息,在不同的分布下都具有稳健的受控性能,当过程处于失控状态时,该控制图对检测过程中出现的不同大小偏移具有较好的全局性能。（4）变采样间隔AEWMA控制图研究。考虑实际情况中对于固定采样间隔控制图检测效率的改进,提出了变采样间隔AEWMA控制图。通过采用两个长短采样间隔切换的形式,提高了AEWMA控制图对参数偏移的检测效率。实验分析表明,变采样间隔AEWMA控制图的检测效率要明显高于固定采样间隔AEWMA控制图,且相较于变采样间隔EWMA控制图以及CUSUM控制图,变采样间隔AEWMA控制图对各种不同大小偏移的检测效果更加显著。