در برخی از کاربردهای کنترل کیفیت آماری، عملکرد فرآیند یا کیفیت محصول به وسیله ی رابطه ی بین یک متغیر پاسخ و یک یا چند متغیر مستقل توصیف می‏شود. در ادبیات کنترل کیفیت آماری این رابطه را پروفایل می نامند. در موارد مشخصی عملکرد فرآیند یا کیفیت محصول به وسیله ی یک پروفایل غیرخطی پیچیده توصیف می‏شود که این پروفایل از مدل پارامتری خاصی پیروی نمی کند. در این شرایط به منظور مدل کردن پروفایل ، رویکردهای ناپارامتری که از انعطاف پذیری بیشتری در مدل سازی رفتار پروفایل برخوردارند به کار گرفته می شوند. معمولا به منظور پایش این گونه از پروفایل ها نمودارهای کنترل چندمتغیره برای مشاهدات تکی یا نمودارهای کنترل ناپارامتری مورد استفاده قرار می گیرند. اما با توجه به این که زمان کشف تغییر توسط نمودارهای کنترل لزوما منطبق با زمان واقعی تغییر نیست استفاده از رویکردهای شناسایی نقطه ی تغییر که زمان واقعی تغییر را معلوم می کنند، می تواند در کشف سریع تر و ساده تر انحرافات بادلیل موثر واقع شود. در این پایان نامه به منظور مدل سازی پروفایل غیرخطی پیچیده از روش هموارسازی اسپلاین استفاده شده سپس دو روش برای پایش پروفایل‏های مورد نظر در فاز ii کنترل فرآیند آماری ارایه و عملکرد روش ها به کمک مثال عددی و شبیه سازی کامپیوتری مورد بررسی و مقایسه قرار گرفته است. در روش اول پس از دریافت هشدار خارج از کنترل از نمودار هاتلینگ t2 چندمتغیره با استفاده از برآوردکننده ی حداکثر درست نمایی به تخمین نقطه ی تغییر پرداخته شده و در روش دوم پس از توسعه ی مدل نقطه ی تغییر بر اساس تابع درست نمایی، نموداری مبتنی بر آماره ی درست نمایی استاندارد شده ارایه شده است. نتایج حاکی از توانایی روش دوم در کشف سریع تغییر در میانگین فرآیند است درحالی که در خصوص برآورد زمان تغییر، دو روش پیشنهادی عملکرد یکسانی از خود نشان داده اند.