多元离散数据在现代制造业中非常普遍,多元泊松控制图常被用来监控此类数据,如MP,MP-CUSUM和MP-EWMA图。然而这些控制图都假设数据服从等协方差的多元泊松模型,限制各个变量之间的相关性关系,因此应用范围狭窄。本文基于异协方差多元泊松模型,提出GMP-CUSUM累积和控制图。在考虑不同相关性样本,变量偏移个数和偏移大小的情况下,通过蒙特卡洛模型,比较传统MP控制图和新控制图的平均运行链长(ARL),发现异协方差多元泊松模型更加适应对多元离散数据的建模,新控制图提高了对过程偏移的灵敏度。在实际应用中,异协方差多元泊松模型能分析异相关性的多元数据,应用范围广;新控制图能更快速地检测到异常过程偏移,灵敏度高。除此之外,在时间维度上具备自相关性质的统计过程控制也具有重要意义,时间序列控制图常被用来监控此类数据,如P-CUSUM和P-EWMA图等。而过去的控制图都建立在一维的泊松整数值时间序列模型基础上,忽视多个维度之间的相关性,因此应用范围有限。本文基于多元泊松一阶自回归时间序列模型,建立多元累积和控制图。之后利用蒙特卡洛模拟,研究了模型参数和偏移距离对该控制图性能的影响。与传统的一维自相关数据的控制图相比,在某些参数组合下,新控制图对过程偏移具有较高的灵敏度。在实际应用中使用新控制图监控多元数据,能保证生产过程的稳定性,因而具有重要的实际意义。