传统的统计过程控制(SPC)技术使用的前提是数据独立同分布,不适用于实际存在的大量具有自相关特性的数据过程。因此,使用传统的统计控制技术来检测过程变异的方法在实际中并不可行。运用传统的休哈特控制图控制自相关过程,会出现大量的虚发警报,作出错误的判断,给质量管理、质量控制工作带来严重误导,控制图的使用效果大为减低,丧失监控过程的作用,于是迫切需要一种像统计过程控制技术一样的方法来监控具有自相关性的过程参数。因为数据独立并不是神经网络技术工作原理的前提,于是神经网络成为一种潜在的识别自相关过程参数偏移的工具。本文使用基于时间序列模型的残差控制图对AR(1)模型产生的具有不同自相关系数、表征不同过程偏移量的仿真数据进行控制,之后用BP神经网络和SOM神经网络对同样的数据进行过程识别,对比了不同方法的特点。最后,本文提供一简单案例,将几种方法应用于实际化工生产中获得的具有自相关性的数据。本文计算的结果可以发现,残差控制图简单易用,但有很多局限,许多情况下对过程的识别并不准确;BP神经网络方法能够非常好的识别过程偏移,但其网络设计决定其在实际生产中不可行;SOM神经网络对自相关过程数据的识别能力稍差,但它在实际生产控制中可行,应用案例的效果好,是一种有潜力的自相关过程控制方法。