控制图是统计过程控制的关键环节,普遍用于工业生产过程中以监测产品质量,在机械、电子、化工、冶金、环境等行业都发挥了重要作用。现代工业生产过程常使用多元指数加权移动平均(MEWMA)控制图来监测受控过程,以检测过程中的微小偏移。传统的MEWMA控制图通常基于多元正态分布假设进行构建。然而,在实际生产中,许多过程是非正态的,并且各个质量指标之间具有一定的相关性。Copula函数是描述随机变量之间相关结构和构建多元模型的有效工具,因而是这个问题较好的解决方案。本文首先基于Copula联合分布建立了多元指数加权移动平均控制图,通过蒙特卡洛模拟了其在各种不同情况下的平均运行链长。结果表明,在发生向下偏移时,其检出效率很差。为了对控制图进行性能改进,以构建一个检出效率更高、更为稳健的控制图,我们尝试了两种正态变换方法,一种是基于一元数据的Johnson变换,即将各变量分别变成正态分布,同时保持变量间的相关结构即联合分布不变,以此构建基于变换后的Copula-MEWMA控制图;另一种是基于多元数据的Rosenblatt变换,它可以直接将相关非正态变量变换成独立的标准正态变量,进而转化成传统的MEWMA控制图。模拟结果表明,经过这两种变换后的控制图都要优于原始控制图,能够有效检测出各变量不同方向、不同程度的偏移,表现更为稳健。其中,Johnson变换后的控制图的失控平均链长显著减小,整体检出效率最高。文章最后还给出了上述三种控制图应用于铝电解电容器生产的实证研究,进一步验证了理论模拟的可靠性。