La modelización de la mortalidad es un método práctico para que el gobierno y varios campos obtengan una imagen de la mortalidad hasta una edad específica para un año particular. Sin embargo, alguna información sobre el fenómeno puede permanecer en el vector residual y no ser revelada por los modelos. Abordamos este problema empleando un gráfico de control multivariante para descubrir cambios sustanciales de cohortes en el comportamiento de la mortalidad que los modelos aún deben abordar. El gráfico de control T de Hotelling se aplica al modelo de desviación estandarizada externamente, que ya está optimizado utilizando un árbol de decisiones de aprendizaje automático. Este estudio muestra un modelo de mortalidad con el MSE, MAPE y desviación más bajos, logrando simulaciones en varios países. Además, se identifica el modelo que es más sensible para detectar señales en el gráfico de control, de modo que podamos realizar una descomposición para determinar los atributos de muerte en el grupo de edad atípico específico en un año particular. El estudio de caso en la descomposición utiliza datos del país Arabia Saudita. Los resultados generales demuestran que nuestro método de procesamiento y producción de modelos de mortalidad con aprendizaje automático puede ser una solución para países en desarrollo o países con datos de mortalidad limitados para producir predicciones precisas a través del monitoreo de gráficos de control.