Este estudio propone un gráfico de control basado en datos funcionales para detectar anomalías y estimar la producción normal de procesos industriales y servicios como los relacionados con el dominio de la eficiencia energética. Las empresas que ofrecen servicios de consultoría estadística en los campos de la eficiencia energética; calefacción, ventilación y aire acondicionado (HVAC); instalación y control; y big data para edificios, han estado luchando por resolver el problema de la detección automática de anomalías en edificios controlados por sensores. Dada la naturaleza funcional de las variables críticas para la calidad (CTQ), este estudio propuso un nuevo método de gráfico de control de análisis de datos funcionales (FDA) basado en el concepto de profundidad de datos. Específicamente, desarrolló una metodología de control, que incluye los gráficos de control de Fase I y II. Se basa en el cálculo de la profundidad de los datos funcionales, la identificación de valores atípicos mediante un remuestreo suave de bootstrap y la personalización de gráficos de control de rango no paramétricos. Se llevó a cabo un estudio de simulación exhaustivo, que comprende escenarios definidos con diferentes grados de dependencia entre las curvas, para evaluar el procedimiento de control. El procedimiento propuesto de control estadístico del proceso también se aplicó para detectar anomalías de eficiencia energética en las tiendas de una empresa textil en la Ciudad de Panamá. En este caso, el consumo de energía se ha definido como la variable CTQ del sistema HVAC. En resumen, la metodología propuesta, que combina FDA y técnicas multivariadas, adapta el concepto del gráfico de control basado en un caso específico de datos funcionales y presenta así una nueva alternativa para controlar instalaciones en las que los datos se obtienen mediante monitoreo continuo, como es el caso con una gran cantidad de procesos en el marco de la Industria 4.0.