自我相關性普遍存在各產業的製程中。自我相關性的典型影響就是會縮短平均連串長度( ARL)，而導致管制圖產生假警訊的頻率增加。自我相關性的存在會使管制圖表現顯著惡化 ，因此解決自我相關的問題是有其必要性的。一般用時間序列模式來處理自我相關資料的 相關結構，本研究以AR(1)及AR(2)模式做探討，而在製程中的干擾分別為階梯式干擾或線 性干擾。 　最近在關於製程管制的研究中，發現EPC與SPC整合成單一系統後，有不錯的表現。本文 目的是想瞭解EPC整合SPC對自我相關性資料的處理能力。在此所使用的管制圖有：Shewart 管制圖、CUSUM管制圖及EWMA管制圖。從研究中發現當自我相關程度低時，EPC 與SPC整合及時間序列模式法的處理結果是很相 似的。然而當資料具有高度自我相關時，EPC整合SPC會優於時間序列模式法。CUSUM與EWMA 管制圖的偵測能力在以下幾種情形下明顯比Shewhart管制圖好：(1)在階梯式干擾下，自我 相關程度低且偏離程度介於0.5∼1倍標準差；(2)在階梯式干擾下，自我相關程度高且偏離 程度介於1∼3倍標準差；(3)線性干擾時，偏移斜率介於0.05∼0.1之情形下。因此使用此 二種管制圖來作製程的監控會是很不錯的選擇。