یکی از ابزارهای پایش در کنترل کیفیت آماری نمودارهای کنترل است که تحت کنترل و یا خارج از کنترل بودن فرآیند را نشان می دهد. در بسیاری از فرآیند ها برای تعیین حالت تحت کنترل یا خارج از کنترل فرآیند، باید به جای یک مشخصه چندین مشخصه به صورت همزمان تحت کنترل قرار بگیرند. در فرآیندهای چند متغیره همانند فرآیندهای تک متغیره، نیاز است که علاوه بر پایش بردار میانگین فرآیند، ماتریس واریانس-کواریانس نیز پایش شود. از طرفی هشداری که از نمودار کنترل دریافت می شود نشان دهنده زمان تغییر در فرآیند نیست و علت آن وجود تاخیر بین زمان واقعی تغییر تا دریافت هشدار از نمودار کنترل می-باشد. در نتیجه نیاز است که زمان واقعی تغییر که از آن به عنوان "نقطه تغییر" یاد می شود، بررسی شود. در فرآیندهای چند متغیره با افزایش تعداد متغیرها، عملکرد نمودارهای کنترل به طور قابل توجهی کاهش یافته و تاخیر زمانی میان زمان واقعی تغییر در فرآیند و زمان هشداردهی نمودار کنترل افزایش می یابد. به علت ناکارآمدی نمودارهای کنترل در این گونه فرآیندها استفاده از رویکردهای جایگزین مانند شبکه های عصبی پیشنهاد شده است. استفاده از شبکه های عصبی مصنوعی در کنترل فرآیند آماری از مزیت های فراوانی برخوردار است که از مهم تریت آن ها می توان به عدم نیاز به مفروضات اولیه در مورد مشخصه های کیفی و همچنین ساده نمودن تفسیر نمودارهای کنترل اشاره نمود. در این پایان نامه مدلی مبتنی بر شبکه های عصبی مصنوعی برای تخمین نقطه تغییر پله ای در ماتریس کواریانس فرآیندهای نرمال چند متغیره در فاز 2 نمودارهای کنترل پیشنهاد شده است.