统计过程控制(StatisticalProcessControl；简记为SPC)是产品质量控制与设计中的重要研究内容，它包含一些用来降低产品质量波动以使产品质量保持稳定的诸多有效工具，其中，控制图(controlchart)
主要用于监测序贯过程(如生产线、因特网流量、医疗系统、人口的社会或经济状况)，以确保它们工作稳定，已广泛应用于制造业和其他行业。

本书在监控连续型变量的一元和多元非参数或稳健控制图方面展开研究，主要贡献包括：基于logistic分布下尺度参数的渐近局部最优势检验，构造了一个新的监控尺度参数的非参数Shewhart型控制图；一类用于联合检测一元过程位置参数和尺度参数的非参数指数加权移动平均(Exponentiallyweightedmovingaverage；简记为EWMA)控制图；提高一元非参数控制图检测效率的两种方法：具有动态快速初始响应(Fast
InitialResponse；简记为FIR)机制的非参数EWMA控制图的优化设计方法和减少信息损失的自适应非参数方法；基于非参数copula和秩检验提出一种新的方法用于多元过程数据的联合监控和诊断，该方法基于Sklar定理，利用一元边缘分布函数和copula函数来表示多元联合分布，边缘分布函数描述的是各个分量的分布，而copula函数描述的是分量之间的相关结构。在实际应用中，边缘分布和copula函数通常是未知的。为此，应用非参数检验同时监测边缘分布和经验copula，并设计了稳健多元Shewhart控制图。所提出的控制图性能稳健，在实际应用时无需事先假定过程分布，并且能够同时监控过程均值向量和协方差矩阵。另外一个重要优势是控制图本身就可以用作诊断，即一旦发生报警，可以立即识别是某个或多个分量发生漂移或是相关结构发生变化，为多元数据的在线监控与诊断提供一个新的思路。