Los gráficos de control se utilizan para identificar visualmente las señales que definen el comportamiento de los procesos industriales en casos univariados. Sin embargo, cuando se necesita monitorear la calidad estadística de más de una variable crítica al mismo tiempo, el procedimiento se vuelve mucho más complicado. Este artículo presenta una metodología sobre el reconocimiento de patrones multivariados utilizando la distancia de Mahalanobis y la técnica de Máquina de Vectores de Soporte (SVM) para reconocer dos patrones multivariados. La relevancia del estudio radica en el monitoreo de las variables considerando la correlación entre ellas y los efectos de usar de manera intercambiable un caso multivariado estable frente a un patrón inestable que resulta en tasas de reconocimiento de hasta .