2. 食品实验室检测数据特性与质控图选型

质量控制图不是“画上去就能用”的装饰工具，它的有效性取决于一个前提：所选控制图的统计假设与检测数据的实际分布、数据类型相匹配。食品检测数据来源复杂——水分、蛋白质、脂肪等理化指标多为连续型测量值；菌落总数、大肠菌群等微生物指标常以计数形式出现；而农残、兽残、重金属等痕量检测又大量落在检出限附近。若不加区分地套用同一张图，控制限会失真，误报和漏报随之而来。本节围绕数据分布特征、数据类型划分和五类常用控制图的适用场景展开，帮助你在实际工作中做出正确选型。

一、先看分布：正态、偏态与检出限附近数据

常规控制图的控制限计算（如 X̄±3σ、R̄ 的 D₃/D₄ 系数）建立在“数据近似服从正态分布”的假设上。食品理化检测中，同一均匀样品在受控状态下重复测定的结果，通常可近似视为正态分布，这是均值-极差图、均值-标准差图、单值-移动极差图能够直接使用的基础。

但以下两类情况必须警惕。其一是偏态数据：微生物计数、部分痕量组分结果往往右偏，少数高值把分布拉出长尾，此时对称的 ±3σ 控制限会导致上控制限偏高、下控制限偏低，对异常高值的检出能力下降。其二是检出限附近的数据：当待测物浓度接近或低于方法检出限（LOD）时，结果常被报告为“未检出”或“<LOD”，或出现大量接近零的截断值，分布严重偏离正态。对这类数据直接计算均值和标准差没有统计意义，应改用中位数、极差或非参数方法，或对数据做对数变换后再作图；对“未检出”比例很高的项目，更适合用计数型控制图（如不合格品率图）来监控“检出率/超标率”而非原始浓度。

二、连续型与计数型：选图的第一道分水岭

控制图选型的第一步是区分数据类型。连续型数据来自测量，可取任意精度的小数，如蛋白质含量（%）、铅含量（mg/kg）、pH 值、水分活度，对应计量型控制图：均值-极差图（X̄-R）、均值-标准差图（X̄-s）、单值-移动极差图（I-MR）。计数型数据来自计数或分类判定，只能取整数，如一批样品中不合格品数、每皿菌落数、阳性样品数，对应计数型控制图：p 图（不合格品率）、np 图（不合格品数）、c 图（单位样本缺陷数）、u 图（单位样本缺陷率）。

需要强调的是，计数型数据不能套用计量型控制图的公式，反之亦然。例如把“每批 20 个样品中超标数”当作连续值画 X̄-R 图，控制限的统计含义完全错误。

三、五类常用控制图的适用场景

均值-极差图（X̄-R）是最经典的组合图：X̄ 图监控过程中心位置，R 图监控批内离散程度。它适用于子组样本量较小（n=2～9）的场合，例如每批抽取 3～5 个平行样或同一时间段内的连续测定。R 图计算简便，但对大子组不敏感。

均值-标准差图（X̄-s）与 X̄-R 结构相同，但用子组标准差 s 代替极差 R。当子组样本量较大（n≥10）时，极差只利用了最大值和最小值，损失信息多，而 s 利用了全部数据，检出力更高。因此大批量平行测定、自动化仪器连续进样形成的较大子组，应优先选 X̄-s 图。

单值-移动极差图（I-MR）用于每次只能得到一个观测值的场合，如每批次只做一个质控样、每日一次留样复测、破坏性检测无法重复。它用相邻两值的差（移动极差）估计批内变异。缺点是移动极差之间相关，对微小漂移的检出不如 X̄ 图灵敏，且对单个离群值较敏感。

p 图监控不合格品率，适用于子组样本量可以不同、判定结果为“合格/不合格”二分类的场合，如每批抽检若干样品统计微生物超标率、标签不合格率。当子组样本量 n 变化时，p 图的控制限随 n 逐点变化，这是它的重要特征。c 图监控单位样本内的缺陷数，适用于样本量固定、缺陷可计数的场合，如每块平板上的菌落数、每份样品中检出的阳性项目数。若样本量不固定，应改用 u 图。

四、选型落地：一个可操作的判断顺序

实际工作中可按以下顺序快速定图：第一步，确认结果是测量值还是计数/判定值；第二步，若为测量值，看每次能获得的子组大小——n=1 用 I-MR，n=2～9 用 X̄-R，n≥10 用 X̄-s；第三步，若为计数/判定值，看监控对象是“不合格品率”还是“单位样本缺陷数”，前者用 p 图，后者在样本量固定时用 c 图；第四步，回头检查分布前提，对偏态或检出限附近数据做变换或改换图型。

以一个教学示例说明：某实验室监控婴幼儿配方粉中铅含量，每批抽取 4 个平行样，历史 25 批数据近似正态，则应选 X̄-R 图，子组 n=4；若改为每批只做一个质控样，则改用 I-MR 图。又如监控每批 50 个样品的大肠菌群超标情况，结果为“超标/未超标”，应选 p 图，且当每批抽样数变化时控制限逐批调整。再如监控每块平板菌落数（每皿固定接种量），属单位样本缺陷数，选 c 图。