長久以來，「品質」一直是廠商最重視的政策與方針，也是消費者用來評估產品的重要指標之一。尤其現在是一個全球化的時代，各種產品都面臨了來自國際性的競爭，如何讓產品可以在競爭激烈的市場中獲得顧客的青睞，產品的品質是一個關鍵因素，因此廠商莫不投入大量心力於提升與改善產品的品質，以增加產品競爭力。統計製程管制（SPC）為品質管制中最重要的技術之一，是控制及提升產品品質的一個重要方法。而在SPC中，最常用的工具為管制圖。SPC管制圖主要的功能為監督製程，當發生製程干擾項而使得製程有所偏差時，藉由簡單明瞭之管制圖表，品管人員可以尋找干擾製程的可歸屬原因或特殊原因，在去除這些可歸屬原因後，便容易達成改善製程及維持產品品質之目的。
傳統SPC管制圖之使用，如蕭華特管制圖，前提需假設製程觀察值在不同的時間下為具有相同分配且為彼此獨立的隨機變數。然而在實務上，如化工業、高科技產業及連續製程業中，隨著製程步驟的日益複雜、抽樣頻率的縮短及自動化製程的普及，所取得之製程觀察值往往違反了獨立性而存在自我相關性。若將此類型資料直接以傳統SPC管制圖進行監控，很容易提高假警訊(False alarm)的頻率。這樣的假警訊會使得品管人員需花費更多的時間、金錢去尋找不存在的可歸屬原因或特殊原因，甚至使品管人員誤以為製程已失控而採取行動，如此不但無法消除假警訊的發生且使製程變異擴大。因此當製程觀測值具有自我相關性時，亦即在相關性製程下，無法直接使用傳統SPC管制圖對製程進行監控。時間序列法是目前最常被用來處理相關性製程監控問題的方法之一，但此方法在計算及使用上均較無效率，降低其在實務使用上的便利性。
因此本研究導入近年來快速發展用於訊號分離之獨立成分分析技術於統計製程管制中，提出結合ICA與傳統蕭華特管制圖的製程監控架構。本研究所提的方法不需估計時間序列模式，減少品管人員在使用在傳統蕭華特管制圖於監控相關性製程時，需對製程資料進行繁複前處理的問題，並且讓蕭華特管制圖在實務上，能更加廣泛的應用於各種製程的監控。研究結果顯示，本研究所提方法確能較目前常見的管制方法，在相關性製程的監控上有更佳的效果，提供產業界在統計製程管制上一個新的方法與技術。