Um dos principais problemas em manufatura é como ajustar um processo de produção que não está obtendo uma performance desejada. O intuito é fazer com que o parâmetro do processo volte a assumir um valor alvo requerido. As técnicas de controle estatístico de processo (CEP) são amplamente utilizadas na indústria para monitorar processos e, conseqüentemente, para melhoria da qualidade. Os gráficos de controle para variáveis mais freqüentemente utilizados para monitorar a média e a variabilidade do processo são os gráficos de Shewhart, os gráficos de CUSUM e os gráficos de EWMA. Porém, as considerações básicas para se utilizar um gráfico de Shewhart são que os dados gerados pelo processo sejam independentes e identicamente distribuídos (IID). Quando a hipótese de independência dos dados não é satisfeita, tais gráficos não funcionam bem, pois fornecerão resultados não confiáveis na forma de excesso de alarme falsos, ou seja, conduz a interpretações equivocadas acerca do processo e gera custos adicionais de controle. Esta tese utiliza uma formulação bayesiana, o Modelo Linear Dinâmico de Harrison & Stevens (MLD-HS) para o monitoramento da média de processos cujas observações podem ser modeladas como um processo ARMA (1,1). O Fator de Bayes acumulado foi utilizado na detecção de desvios na média de um dado processo. Posteriormente, os resultados obtidos pelo modelo proposto, que foi nomeado como MLD-CEP, são comparados aos resultados obtidos por Lu & Reynolds (2001). Os resultados obtidos pelo MLD-CEP sugerem bom desempenho na detecção de alterações na média em processos de baixo a moderadamente alto nível de autocorrelação.