1. 课程导入与质量控制图认知

在食品实验室的日常检测中，我们几乎每天都在与“波动”打交道：同一份大米粉平行测定两次水分，结果可能是13.8%和14.1%；同一批酱油连续三天测定氨基酸态氮，数值在0.52～0.58 g/100 mL之间浮动。这些差异究竟是检测过程本身固有的随机误差，还是仪器漂移、试剂失效、人员操作变化等异常因素已经介入？仅凭单次结果或经验判断，往往难以给出可靠结论。质量控制图正是为解决这一问题而设计的统计工具——它把检测结果随时间的变化画在一张图上，用统计方法划出“正常波动”的边界，使异常一旦出现就能被及时识别。

质量控制图在食品实验室中的定位

质量控制图属于实验室内部质量控制（IQC）的核心手段之一，与人员比对、仪器校准、能力验证、留样复测共同构成质量保证体系。它的独特价值在于过程监控：校准和验证回答的是“仪器此刻是否准确”，而控制图回答的是“检测系统在一段时间内是否持续稳定”。在食品检测中，这一点尤为重要——微生物指标、农兽药残留、重金属、食品添加剂等项目的检测周期长、批次多，若只在出报告前做一次核查，中间过程的漂移可能已经污染了大量数据。

从管理角度看，控制图还是CNAS认可和资质认定现场评审中常见的检查对象。评审员通常关注：是否针对关键检测项目建立了控制图、控制限如何确定、失控点是否被识别并采取纠正措施、控制数据是否真实连续。因此，学习控制图不仅是掌握一种绘图技巧，更是建立一套“用数据说话”的过程管理习惯。

四个必须分清的基本术语

初学者最容易混淆的是控制限与规格限。二者来源、含义和用途完全不同，必须严格区分。

• 中心线（CL，Central Line）：代表检测系统在受控状态下的平均水平，通常由一段基线数据的均值估计得到。它是判断“偏高还是偏低”的参照基准。
• 控制限（UCL/LCL，Control Limits）：由过程自身的波动计算得出，常取中心线±3倍标准差。它描述的是“这个过程正常情况下能波动到哪里”，反映的是过程的实际能力。
• 规格限（USL/LSL，Specification Limits）：来自标准方法、法规限量或客户要求，例如某食品中铅的限量、某添加剂的允许使用量。它描述的是“结果允许落在哪里”，反映的是产品是否合格。
• 警戒限：部分实验室在控制限内侧设置（如±2倍标准差），用于提前预警，属于内部管理措施，并非统计上的失控判据。

一个关键结论是：控制限与规格限不能互相替代。检测过程可能非常稳定（控制限很窄），但中心线偏离真值，导致结果系统性偏高；也可能过程波动很大（控制限很宽），却恰好都落在规格限内。前者说明存在系统误差，后者说明精密度不足，二者都需要处理，但判断依据不同。控制图监控的是“检测过程”，规格限判断的是“被测样品”，这条界线必须清晰。

常见类型概览与选用思路

食品实验室常用的控制图主要有三类。第一类是均值-极差图（X̄-R图）或均值-标准差图（X̄-s图），适用于每批做2～5次平行测定的场景，如理化指标的水分、灰分、酸价测定，它同时监控均值和精密度两个维度。第二类是单值-移动极差图（I-MR图），适用于每批只能得到一个结果的情况，如微生物计数、某些仪器法单样测定，用相邻两次结果的差值来估计波动。第三类是计数型控制图（如p图、c图），适用于以合格率、阳性检出数等计数数据为监控对象的场景。

选用时可按三个问题判断：每批能否获得多个平行结果？数据是计量型还是计数型？监控重点是均值、精密度还是不合格率？回答清楚后，图型基本就确定了。本课程后续章节将围绕X̄-R图、I-MR图等主流图型展开建立、判读与维护的完整训练。

从“会画图”到“会用图”

很多实验室并不缺控制图，缺的是对控制图的正确理解。常见误区有三：一是把规格限画成控制限，结果过程明明已经漂移却因为“还在合格范围内”而放行；二是基线数据太少，仅用三五次结果就算出控制限，导致控制限本身不可靠；三是发现失控点后直接删除重画，掩盖了真实问题。正确的做法是：基线数据一般不少于20组，控制限一经建立应保持相对稳定，失控点必须记录、调查原因并评估其对已检样品的影响，只有在确认过程发生永久性改变（如更换关键试剂、仪器大修）后才重新计算控制限。