امروزه در بسیاری از کاربردهای پایش فرآیندهای آماری، از متغیرهایی استفاده می شود که علاوه بر تمرکز بر توزیع متغیرها، وجود همبستگی معنادار بین آنها نیز مورد توجه قرار می گیرد. براین اساس، فرآیندهای مختلفی همچون فرآیندهای چندمتغیره کمی و فرآیندهای چندمتغیره کیفی تعریف می شوند. تاکنون تحقیقات مختلفی در حوزه پایش فرآیندهای چندمتغیره کمی با درنظر گرفتن شرایط مختلف برای فرآیند ارائه شده است. اما آنچه که کمتر مورد توجه محققین قرار گرفته است، پایش فرآیندهای چندمتغیره کیفی با مشخصه های طبقه بندی شده می باشد. در این تحقیق بدنبال ارائه و توسعه رویکردهای مختلفی به منظور پایش فرآیندهای چندمتغیره طبقه بندی شده هستیم که برای نمایش اولیه آن از جدول توافقی استفاده شده است. نکته حائز اهمیت آنکه تحقیقات مختلفی در حوزه پایش فرآیندهای چندمتغیره اسمی تاکنون انجام پذیرفته است که این تحقیق با هدف توسعه این دسته از پژوهش ها، رویکردهای جدیدی به منظور پایش فرآیندهای چندمتغیره طبقه بندی شده مبتنی بر داده های ترتیبی در هر دو فاز 1 و 2 ارائه داده است. در این تحقیق ابتدا به پایش فاز 1 فرآیندهای چندمتغیره ترتیبی پرداخته می شود. بدین منظور آماره های MR و آزمون نسبت درستنمایی استاندارد (SLRT) برای پایش این دسته از فرآیندها مبتنی بر مدل لگاریتم خطی ترتیبی توسعه داده شده است. علاوه براین، در پایش فاز 1، مقادیر پارامترهای مدل لگاریتم خطی ترتیبی نامعلوم است و باید تخمین زده شود که در این تحقیق از الگوریتم نیوتن-رافسون برای این منظور استفاده شده است. نتایج محاسبات شبیه سازی شده در فاز 1 نشان دهنده عملکرد بهتر روش MR در کشف تغییرات کوچک و متوسط در پارامترهای فرآیند است. همچنین به منظور نشان دادن عملکرد مناسب روش های پیشنهادی در دنیای واقعی، از یک مجموعه داده در صنعت داروسازی با تمرکز بر فرآیند آزمایش انحلال به مدت 6 دوره زمانی استاندارد استفاده شده است. در پایش فاز 2 فرآیندهای چندمتغیره ترتیبی، نمودارهای کنترل MR و MG-p توسعه داده شدند. نتایج تحقیق مبتنی بر شاخص متوسط طول دنباله که تحت تغییرات کوچک، متوسط و بزرگ در پارامترهای مدل لگاریتم خط ترتیبی بدست آمده، حاکی از عملکرد بهتر آماره MR در اکثر تغییرات است. همچنین در همین فاز، آماره دیگری تحت عنوان آماره ترتیبی-نرمال چندمتغیره (MONS) توسعه یافت. به منظور ارزیابی عملکرد این آماره، مقادیر متوسط طول دنباله تحت تغییرات مختلف در پارامتر مدل، با آماره Generalized-p مورد مقایسه قرار گرفت که نتایج حاکی از عملکرد بهتر آماره MONS می باشد. علاوه براین، برای بررسی عملکرد این نمودارهای کنترل در فضای واقعی، از یک مثال عددی در حوزه مراقبت سلامت که توسط[1] ارائه شد، مورد استفاده قرار گرفت. نتایج مثال عددی واقعی نیز بیانگر عملکرد مناسب روش پیشنهادی در این بخش است.
