El objetivo de los métodos de monitoreo en línea no paramétricos es detectar rápidamente cambios estructurales en la distribución de un flujo de datos. Este trabajo se centra en un método de monitoreo no paramétrico auto-normalizado basado en la diferencia de funciones características empíricas. Este método introduce un factor adicional de auto-normalización, que permite controlar efectivamente el error de Tipo I. Investigamos teóricamente las propiedades asintóticas del método de monitoreo bajo la hipótesis nula y la hipótesis alternativa. Dado que la distribución asintótica bajo la hipótesis nula es bastante complicada, aplicamos el método de remuestreo bootstrap estacionario multivariado para estimar el valor crítico de la prueba secuencial. Simulaciones numéricas y una aplicación del mundo real demuestran la utilidad del método propuesto.