Abstract. There are practical situations in which the quality of a process or product can be better characterized by a functional relationship between a response variable and one or more explanatory variables, this is called profile. Such profiles usually can be represented adequately using linear or nonlinear models. While there are several studies monitoring profiles, there are few studies to evaluate the capability of a process with profile quality characteristic, particularly if the process is characterized by a nonlinear functional relationship. This dissertation introduces methods to evaluate the capability of processes characterized by nonlinear profiles (univariate or multivariate), without distributional assumptions. We propose two methods to measure the capability of processes characterized by univariate nonlinear profiles based on the concept of functional depth. These methods extend to functional data, the Process Capability Indexes proposed by Clements for measuring the capability of a process characterized by a random variable. To evaluate the capability of processes characterized by multivariate nonlinear profiles, we consider each observation as a finite dimension vector whose elements are functions. Initially, we transform the original functional data into uncorrelated functions using a dimension reduction technique for multivariate functional data. Next, the capability for each functional component is evaluated. Two sets of process capability indices to measure the capability of these functional components are proposed, having into account if the random errors follow (or not) a multivariate normal distribution. Within case where the random errors do not follow a multivariate normal distribution, we use a method based on the concept of functional depth and apply the methods proposed for the case of univariate nonlinear profiles. Performance of the methods proposed is evaluated through simulation studies. Examples illustrate the applicability of these methods. We offer conclusions and advice for future research at the end.Hay situaciones prácticas donde la calidad de un proceso o producto está mejor caracterizada por una relación funcional entre una variable de respuesta y una o más variables explicatorias, la cual es llamada perfil. Tales perfiles pueden ser representados usando modelos lineales o no lineales. Mientras que existen diferentes estudios en monitoreo de perfiles, hay pocos estudios para evaluar la capacidad de un proceso cuya característica de calidad es un perfil, particularmente de tipo no lineal. Esta disertación presenta métodos para evaluar la capacidad de estos procesos (univariados o multivariados), los cuales no emplean supuestos distribucionales. Basados en el concepto de profundidad funcional, dos métodos para medir la capacidad de procesos caracterizados por perfiles nolineales univariados son propuestos. Estos métodos extienden al campo de los datos funcionales los índices propuestos por Clements para medir la capacidad de procesos caracterizados por una variable aleatoria. Para evaluar la capacidad de procesos caracterizados por perfiles no lineales multivariados, cada observación es considerada como un vector de dimensión finita cuyos elementos son funciones. Inicialmente, los datos funcionales originales son transformados en funciones no correlactionadas usando una técnica de reducción para datos funcionales multivariados. A continuación, la capacidad para cada componente funcional es evaluada. Dos conjuntos de índices para medir la capacidad de estos componentes funcionales son propuestos, dependiendo si los errores aleatorios siguen o no una distribución normal multivariada. Para el caso donde los errores aleatorios siguen una distribución multivariada no normal, un método basado en el concepto de profundidad funcional es propuesto. El desempeño de los métodos propuestos es evaluado a través de estudios de simulación y su aplicabilidad es ilustrada en algunos ejemplos. Conclusiones y recomendaciones para futuras investigaciones son presentadas al final del documento.