Las causas especiales de variaciones, también conocidas como desplazamientos, pueden ocurrir en una o más de una característica de proceso relacionada. Las herramientas de control estadístico de procesos como los gráficos de control son útiles para monitorear desplazamientos en los parámetros del proceso (ubicación y/o dispersión). En situaciones de la vida real, el desplazamiento emerge en diferentes tamaños y es difícil de identificar con gráficos de control clásicos. Además, más de una característica de proceso requiere atención especial porque deben monitorearse de forma conjunta debido a la asociación entre ellas. Este estudio ofrece dos gráficos de control adaptativos para monitorear los diferentes tamaños de un desplazamiento en el vector medio del proceso. La novedad detrás de este estudio es utilizar técnicas de reducción dimensional como el análisis de componentes principales (PCA) y un método adaptativo como las funciones Huber y Bi-square. En resumen, se diseña un gráfico de control de suma acumulativa multivariante basado en PCA, y su estadístico de trazado se utiliza como entrada en el gráfico de control de promedio móvil ponderado exponencialmente (EWMA) clásico. Las propiedades de longitud de corrida (RL) de los gráficos de control propuestos y otros se obtienen mediante el diseño de algoritmos en MATLAB a través de una simulación de Monte Carlo. Para un solo desplazamiento, se evalúa el rendimiento de los gráficos de control a través de un promedio de RL, desviación estándar de RL y error estándar de RL. Asimismo, también se utilizan medidas de rendimiento globales como la pérdida cuadrática adicional, el ARL relativo y el índice de comparación de rendimiento. La comparación revela la superioridad sobre otros gráficos de control. Además, para enfatizar el proceso de aplicación y los beneficios de los gráficos de control propuestos, se incluye un ejemplo de la vida real del proceso de las turbinas eólicas.