4. 描述性统计与趋势可视化

在食品QC日常工作中，检验数据往往以批次为单位不断累积：水分含量、菌落总数、酸价、净含量、pH值、色泽评分……这些数字单独看只是记录，只有经过描述性统计和趋势可视化，才能回答“这批产品稳不稳”“最近有没有变差”“异常是偶发还是系统性问题”。本节聚焦最基础也最常用的三类统计量——均值、标准差、极差，以及三种图形工具——折线图、箱线图、运行图，讲清它们的计算口径、适用场景和判读方法。

一、三个统计量：先建立“中心”和“波动”的量化概念

均值反映一组数据的中心位置。对n个观测值x₁、x₂……xₙ，均值x̄=Σxᵢ/n。在QC中，均值常用来判断批次整体水平是否偏离配方或工艺目标，例如某批次水分均值是否接近内控标准中心值。但均值对极端值敏感，一个严重超标的样品就可能把均值拉偏，因此不能只看均值。

极差R=最大值−最小值，是最直观的波动指标，计算简单，适合快速判断一批数据“散得开不开”。缺点是只用到两个端点值，中间数据的信息被丢弃，样本量较大时容易低估整体波动。

标准差s=√[Σ(xᵢ−x̄)²/(n−1)]，综合了每个观测值到均值的距离，是衡量过程稳定性的核心指标。样本标准差分母用n−1，是QC计算中的常规口径。标准差越大，说明批内一致性越差。实践中常把均值与标准差结合使用：均值看“准不准”，标准差看“稳不稳”。

二、三类图形：从不同角度观察时间趋势

折线图把批次或时间点按顺序连成线，最适合观察指标随时间的走向：是平稳、缓慢漂移，还是出现突变。它强调“趋势方向”，适合向管理层汇报月度微生物合格率、季度水分均值等。

箱线图用中位数、四分位数、上下须和离群点描述一组数据的分布形态，适合比较多个批次、多个班次或多条产线之间的离散程度和偏态。箱体越短说明中间50%数据越集中；须越长说明尾部波动越大；箱外的点提示可疑离群值，需要回查原始记录。

运行图（run chart）是折线图的“判稳版”：横轴为时间顺序，纵轴为观测值，并画出中心线（通常为均值或中位数）。它不依赖控制限，重点看数据点围绕中心线的随机性——连续多点位于中心线同侧、连续上升或下降、周期性起伏，都提示过程可能存在系统性原因，而不仅是随机波动。

三者的分工可以概括为：折线图看“往哪走”，箱线图看“散不散、偏不偏”，运行图看“稳不稳、有没有异常模式”。实际分析中常组合使用：先用运行图判断过程是否受控，再用箱线图比较不同批次分布，最后用折线图呈现关键指标的长期趋势。

三、实际怎么做：从原始记录到判读结论

第一步是明确分析对象和口径。以某烘焙企业水分含量QC为例，按生产日期顺序取最近20个批次，每批抽3个样品，先算每批均值，再对20个批均值做趋势分析。这里要注意：批内标准差反映抽样与检测的重复性，批间均值序列反映过程随时间的稳定性，两者不能混为一谈。

第二步是计算统计量并记录。建议在Excel或Minitab中保留原始数据列，用公式计算：均值用AVERAGE，样本标准差用STDEV.S，极差用MAX−MIN。对20个批均值，若算得总均值x̄=12.4%、批均值标准差s=0.35%、极差R=1.1%，说明批间波动约0.35个百分点，结合内控标准（如12.0%～13.0%）可判断整体水平居中但需关注极差偏大的批次。

第三步是作图判读。把20个批均值按时间顺序画运行图，若发现连续7点位于中心线同侧，或连续6点单调上升，按常规判异规则应视为存在系统性原因，需排查原料批次、烘烤温度或环境湿度。再用箱线图按班次分组比较，若夜班箱体明显更长且出现离群点，说明夜班操作一致性较差。折线图则用于向生产部门展示月度趋势，直观说明问题发生的时间段。

四、判读要点小结

描述性统计的价值在于把“一批数字”压缩成可比较、可追踪的指标，趋势可视化则把这些指标放回时间轴和分布结构中观察。实际工作中，建议固定统计口径（样本量、标准差分母、中心线取均值还是中位数），并在报告中同时给出均值、标准差、极差和对应图形，避免单一指标造成误判。只有当统计量与图形相互印证时，初步趋势判断才具备可靠性，后续的预警规则和过程能力分析才有扎实的数据基础。