近年,随着社会的进步,科技的创新,各种移动工具、互联网技术的迅猛发展,在现代工业、流行病、临床等领域,数据不仅仅是单一的被监控,而是对多维的数据流进行实时监控。其所产生的大规模的数据流给我们统计过程控制(SPC)带来了新的挑战。作为一种新的数据形式,数据流已经引起越来越多的关注,我们生活的周围随处可见数据流的身影,例如:传感器传回的信息、气象卫星拍摄的实时的卫星云图、用户的的通讯记录和股票信息,汽车车身装配等多阶段监控问题。所以,我们极其需要监控高维数据流的统计方法。而其中质量控制图(chart)作为SPC众多方法中最有效、最重要的手段,必须提出更加适应时代潮流、适应工业生产的新型控制图。我们研究的高维数据流监控模型也是以变点问题为基础。在监控过程中,首先,我们希望尽可能快的检测出变点,虽然变点发生在未知的位置,同时我们也不知道哪些数据流发生了变化,即失控;哪些数据流未发生变化,即可控。传统的方法是:分别单独地监控每一条数据流,在文献中,有很多对于单独的数据流监控的方法都很实用,包括Shewhart控制图;移动平均控制图;CUSUM控制图。但是局部监控方法不能充分的利用整体信息,当只有少数的数据流提供了当前的信息可能导致监控被耽搁。除此之外,即使我们很好的控制每一条数据流的错误报警率,但是当数据流的数目庞大时,整体数据流错误报警率问题确是非常严峻的,从而导致造成极大的浪费。所以更多的SPC工作者提倡整体监控而不是局部监控。May(2010)和Tartakovsky(2006)分别提出了建立在CUSUM控制图基础上的多维数据流整体在线监控系统。本文则是要利用EWMA控制图的特殊性质,在其基础上建立新的控制图。