El monitoreo de la proporción de dos variables aleatorias normales correlacionadas se utiliza frecuentemente en muchos procesos de fabricación industrial. Al mismo tiempo, los errores de medición inevitablemente existen en la mayoría de los procesos, los cuales tienen diferentes efectos en el rendimiento de varios esquemas de gráficos. Este documento analiza de manera exhaustiva los impactos de los errores de medición en la capacidad de detección de los esquemas de gráficos de suma acumulativa (CUSUM) para la proporción de dos variables aleatorias normales correlacionadas. Se realiza una evaluación numérica exhaustiva utilizando la simulación de Monte Carlo, y los resultados indican que los errores de medición impactan negativamente en el rendimiento del esquema CUSUM para la proporción de dos variables aleatorias normales correlacionadas. Aumentar el número de mediciones por conjunto no es un enfoque rentable para minimizar el impacto negativo de los errores de medición en el rendimiento del esquema de gráficos CUSUM al monitorear la proporción de dos variables aleatorias normales correlacionadas. Consideramos una formulación de alimentos como ejemplo que ilustra los problemas de control de calidad que involucran la proporción de dos variables aleatorias normales correlacionadas en una industria con un error de medición. Los resultados se presentan, junto con algunas sugerencias para futuros estudios.