3. 批次数据描述性统计与可视化

下游工艺的批次数据天然带有波动：同一根层析柱在不同批次间的收率可能相差几个百分点，超滤膜压差随使用次数缓慢抬升，除病毒过滤的载量偶尔出现离群低值。描述性统计的任务，是把这些分散在批记录、色谱工作站和LIMS中的数值压缩成可比较、可解释的指标；可视化的任务，则是让工程师一眼看出波动是随机噪声、趋势漂移还是异常事件。本节围绕收率、纯度、载量、压差四类关键工艺参数（KPP），说明统计量的计算口径、图形选择与判读方法。

先明确统计口径，再谈数值

计算批次间统计量之前，必须固定三件事：分析对象、时间窗口和计算单位。以层析步骤收率为例，分子是洗脱收集池的目标蛋白总量（浓度×体积），分母是上样料液的目标蛋白总量，两者都应来自同一批次的物料平衡记录，不能混用不同检测方法的结果。时间窗口通常取“当前工艺版本下的连续批次”，工艺变更、填料更换或设备大修应作为分段点，否则会把系统性偏移误判为批次波动。计算单位则要区分“按批次”和“按步骤”：一个批次可能包含两步层析，若把两步收率混在一起统计，分布会呈现虚假的双峰。

常用统计量包括：均值与中位数（反映中心位置）、标准差与四分位距IQR（反映离散程度）、最小值与最大值（暴露极端情况）、变异系数CV=标准差/均值（便于不同量纲参数横向比较）。对于批次数较少（如少于10批）的情形，标准差本身很不稳定，此时应同时报告中位数和IQR，并谨慎使用CV。下表给出一个示例数据集（教学假设数据，非实测），用于后续图形演示。

以收率为例：8批均值为81.0%，中位数81.45%，标准差约2.2个百分点，IQR约2.4个百分点。B07同时出现收率偏低、载量偏低和压差偏高，这种“多参数同向异常”比单参数离群更值得追查，往往指向柱效下降或上样澄清度变差。

图形选择：让波动形态自己说话

趋势图（按批次序号作折线）适合观察随时间的漂移和阶跃，例如膜压差随使用次数上升，或某次填料更换后收率整体下移。箱线图适合比较多个步骤或多个产品间的分布，箱体给出IQR，须线外的点即候选离群值。散点图矩阵则用于考察参数之间的相关结构，例如载量与收率是否同向、压差与纯度是否反向。三者不是互斥的，实践中常先看趋势图定位时间点，再用箱线图比较分布，最后用散点图矩阵验证参数间关系。

从图形到判断：三步读图法

第一步看趋势图定位“何时变”。若某参数在连续批次中单调上升或下降，优先怀疑耗材老化、树脂清洗不彻底或设备漂移；若出现单点阶跃后恢复，则更像一次性操作偏差。第二步看箱线图判断“是否离群”。常用1.5倍IQR规则：低于Q1−1.5×IQR或高于Q3+1.5×IQR的点标记为候选离群，但离群不等于异常，需结合批记录确认是否有合理解释（如柱高变更、上样浓度调整）。第三步看散点图矩阵判断“是否联动”。若收率与载量正相关、与压差负相关，且B07同时落在三个子图的边缘，说明该批次的异常是系统性的，应优先排查上样澄清度和柱效，而不是单独归因于某一步操作。

把统计量落成可复用的批次监控表

描述性统计的产出不应止于一张图，而应形成可逐批复用的监控表。以下示例字段可直接嵌入批数据分析模板（数值为教学假设）：

参数        均值     中位数   标准差   CV%    Q1      Q3      IQR    离群批次
步骤收率%   81.0     81.45    2.2     2.7    80.5    82.3    1.8    B07(76.5)
纯度%       98.1     98.2     0.25    0.26   97.95   98.3    0.35   —
载量g/L     36.8     37.35    2.4     6.5    36.3    38.1    1.8    B07(31.4)
膜压差bar   0.478    0.465    0.052   10.9   0.445   0.505   0.06   B07(0.58)

表中CV揭示了不同参数的可比波动幅度：纯度CV仅0.26%，说明该步骤对纯度控制稳定；膜压差CV达10.9%，是四类参数中最需要关注的漂移信号。将CV与离群批次并列，可以在一次审阅中同时回答“整体稳不稳”和“哪一批出了问题”。实际使用时，建议把该表与趋势图、箱线图放在同一份批次回顾报告中，并在每次工艺变更后重新计算基线区间，避免用旧基线评价新工艺。

最后需要强调，描述性统计只回答“数据长什么样”，不回答“为什么”。当趋势图、箱线图和散点图矩阵共同指向同一批次或同一参数时，应转入因果排查：调取该批次的层析图谱、压差曲线、上样澄清度和操作记录，逐项比对。可视化在这里的价值，是把排查范围从“全部批次、全部参数”收窄到“特定批次、特定参数组合”，让下游工艺的批次回顾从经验判断走向有据可依。