Un entorno global de incertidumbre, como la pandemia de COVID-19, ha afectado gravemente a la industria manufacturera en términos de equilibrio entre la oferta y la demanda. Por lo tanto, es común que un gráfico de control del proceso estadístico (SPC) de una etapa afecte al siguiente gráfico de SPC de la siguiente etapa. Nuestro objetivo de investigación es considerar un caso condicional para el modelo de detección de puntos de cambio multivariable de múltiples etapas para datos multivariables altamente correlacionados a través de distribuciones condicionales de cópulas con análisis de componentes principales (PCA) y PCA funcional (FPCA). En primer lugar, revisamos los modelos de detección de puntos de cambio multivariable actuales disponibles, que son el gráfico de control basado en la prueba de energía (ETCC) y el modelo de puntos de cambio multivariable no paramétrico (NPMVCP). Extendemos los modelos de detección de puntos de cambio multivariable disponibles actualmente al modelo condicional de detección de puntos de cambio multivariable de múltiples etapas a través de distribuciones condicionales de cópulas con PCA para datos multivariables normales lineales y FPCA para datos multivariables no normales no lineales.