3. 控制图基础统计原理

控制图之所以能判断过程是否稳定，靠的不是“画一条线看看有没有超出”，而是一套建立在统计分布之上的推断逻辑。理解这套逻辑，才能在实际质控中正确设置控制限、正确解读报警信号，并避免把正常波动误判为异常，或把真实异常当成偶然波动放过。

过程波动的两类来源

任何检测或生产过程的结果都不会完全一致。以食品实验室常见的菌落总数测定为例，同一样品平行测定两次，结果可能是 1.2×10⁴ CFU/g 和 1.4×10⁴ CFU/g；同一批质控样连续多天测定，均值也会上下浮动。这些波动可归为两类：

• 普通原因（随机波动）：由大量微小、不可单独识别的因素叠加而成，如移液体积的微小差异、培养温度的细微起伏、读数时的判断误差。这类波动在统计上近似服从稳定分布，是过程“固有”的噪声，无法通过调整某一步骤消除。
• 特殊原因（异常波动）：由可识别的、非随机的因素引起，如试剂批号更换、仪器校准漂移、人员操作失误、培养箱故障。这类波动往往表现为数值突然跳变、连续偏向一侧或离散度明显增大。

控制图的核心任务，就是建立一条“普通原因波动的边界”，一旦数据越过这条边界或呈现非随机模式，就提示特殊原因可能存在。需要强调的是，控制图只能提示“有异常信号”，不能直接指出异常来自哪一步，定位仍需结合人员、仪器、试剂、方法、环境等因素排查。

受控状态与失控状态

当过程仅受普通原因影响、数据点随机分布在中心线两侧且落在控制限内时，称过程处于统计受控状态。受控不等于“结果都合格”，它只说明过程的波动是可预测的、稳定的。反过来，失控状态指数据出现超出控制限的点，或呈现链状、趋势、周期性等非随机模式，说明特殊原因已介入。

这里要区分两个容易混淆的概念：受控性与合格性。一个过程可能统计受控但整体水平偏高（稳定地不合格），也可能统计失控但每个结果都在规格内（偶然的异常尚未造成超差）。控制图管的是“稳定性”，规格判定管的是“符合性”，二者不能互相替代。

3σ原则与控制限的构造

控制限的统计基础是正态分布的性质：若数据服从均值 μ、标准差 σ 的正态分布，则约 68.27% 的观测值落在 μ±1σ 内，约 95.45% 落在 μ±2σ 内，约 99.73% 落在 μ±3σ 内。也就是说，仅由随机波动导致数据超出 μ±3σ 的概率约为 0.27%，属于小概率事件。控制图正是利用“小概率事件在一次观测中不应发生”的推断原则，把 μ±3σ 设为上下控制限（UCL、LCL），中心线取 μ。

实际应用中 μ 与 σ 通常未知，需由历史数据估计。以单值-移动极差图（I-MR）为例，若已有 k 个受控状态下的单值数据 x₁…xₖ，常用做法是：

中心线 CL = x̄（k 个单值的平均值）
移动极差 MRi = |xi − x(i−1)|，i = 2…k
平均移动极差 MR̄ = ΣMRi / (k−1)
单值标准差估计 σ̂ = MR̄ / d2，d2 = 1.128（子组容量 n=2 时）
I 图控制限：UCL = x̄ + 3σ̂，LCL = x̄ − 3σ̂
MR 图控制限：UCL = D4·MR̄ = 3.267·MR̄，LCL = 0（n=2 时 D4=3.267）

举例说明（示例数据，非实测）：某实验室对质控样连续 10 天测得菌落总数对数值为 4.02、4.10、3.95、4.08、4.15、3.98、4.05、4.12、4.00、4.06。计算得 x̄≈4.051，MR̄≈0.089，σ̂≈0.079，则 I 图 UCL≈4.288、LCL≈3.814。若第 11 天结果为 4.35，超出 UCL，即触发失控信号，应暂停报告并排查特殊原因。注意：用于估计控制限的数据本身应处于受控状态，否则控制限会被异常数据“撑宽”，降低检出能力。

第一类错误与第二类错误

控制图是基于样本的统计推断，必然存在两类判断错误：

两类错误此消彼长：加宽控制限可减少第一类错误，但会增大第二类错误；收窄控制限则相反。3σ 是工程上兼顾两者的常用折中。为在不放宽控制限的前提下提高对中小偏移的检出能力，常配合使用判异准则，如“连续 9 点落在中心线同一侧”“连续 6 点递增或递减”“连续 3 点中有 2 点落在 2σ 以外”等。这些准则本质上是利用非随机模式补充单点超限的不足，但每增加一条准则都会略微抬高整体虚警概率，应结合实验室风险承受能力选用。

控制限与规格限的本质区别

这是实际工作中最易混淆的一对概念。控制限由过程数据自身的分布计算而来，反映“过程能做到什么”，用于判断稳定性；规格限由标准、法规、客户要求或方法验证结论确定，反映“结果必须达到什么”，用于判断符合性。控制限永远来自数据，规格限永远来自要求，二者来源不同、用途不同，不能互相替代，也不能把规格限直接画成控制限。

二者的关系可以这样理解：若控制限落在规格限之内，说明过程稳定且有能力满足要求；若控制限超出规格限，即使过程受控，也意味着稳定地产生不合格结果，需要改进过程能力而非仅查异常；若规格限落在控制限之内，则过程稍有波动就可能超差，风险较高。下图以单侧上限为例，直观呈现控制限、规格限与两类错误的关系。

回到实操层面，建立控制图时应先确认数据处于受控状态再计算控制限，控制限一经确定不宜随意改动；当方法、仪器、试剂发生重大变更时，应重新积累数据并重建控制限。日常判读时，先看单点是否超控制限，再看是否出现链、趋势等非随机模式，最后结合规格限判断结果是否符合要求。把“稳定性判断”和“符合性判断”分开执行，才能让控制图真正发挥过程监控的作用，而不是沦为一张事后补画的装饰图。