对企业生产过程质量进行在线控制是提高企业产品质量的有效途径。统计过程控制(SPC)是对企业生产过程质量进行在线控制的重要理论基础。在统计过程控制理论中,当企业产品质量特性数据可以由一个因变量和多个自变量的函数关系来描述时,就称这种质量特性数据为轮廓(Profile)数据。对企业生产过程中表现出轮廓类型的质量特性数据进行控制,是企业产品质量管理中研究的热点。本文针对企业生产过程中的实际问题,主要就轮廓数据内存在相关性、轮廓内测量点位置发生变化以及轮廓数据同时存在参数误差和形状误差时的企业生产过程质量控制分别进行研究。当描述企业产品质量特性的轮廓数据存在内部相关性时,建立了基于密度的第一阶段轮廓控制图,用来识别企业生产过程质量特性轮廓数据中的受控轮廓集。针对存在内部相关性的轮廓数据,使用线性混合模型对其建模;然后基于密度选择初始受控轮廓,通过~2统计量和逐次迭代方法建立第一阶段轮廓控制图。同时,分析了密度参数和初始轮廓个数的设置对所提方法的影响。选取了三种典型的第一阶段轮廓控制方法与本文所提基于密度的方法进行比较。仿真结果表明,同其他方法相比,基于密度的方法能够更加有效地识别受控轮廓集。当不同轮廓内测量点位置发生变化并且同时存在参数误差和形状误差时,构建了基于差异度量的非参数EWMA(F-P)联合控制图。针对轮廓数据同时出现参数误差和形状误差的情况,提出基于线轮廓误差构建分别能够描述参数误差和形状误差的统计量;然后建立基于差异度量的非参数EWMA(F-P)联合控制图。选取了四种基于差异度量的方法与本文所提方法进行比较。仿真结果表明,基于差异度量的非参数EWMA(F-P)联合控制图在轮廓内测量点发生变化时能够有效克服轮廓模型参数难以确定的问题,同时能够在企业生产过程同时出现形状偏移和参数偏移时及时发出警报,并且对小偏移更为敏感。随着生产技术的不断进步,基于非参数方法的企业生产过程质量控制技术在企业质量控制中的应用越来越普及,同时日益受到相关科研人员的关注。本文基于非参数方法对企业生产过程中出现的实际问题进行研究,能够帮助企业相关质量管理人员及时发现企业生产过程中发生的异常,从而采取必要的措施排除异常,提升企业产品的质量,以此降低企业因产品质量原因而产生的损失,最终帮助企业实现更好的发展。