1. 课程导入与批次稳定性问题界定

在化工生产中，我们很少能拿到“绝对相同”的两批产品。同一牌号的树脂、同一配方的涂料、同一批次的医药中间体，在不同生产日期、不同原料供应商、不同反应釜、不同季节环境条件下，其关键质量指标总会存在一定波动。所谓批次稳定性，指的是在规定的工艺、原料与包装储存条件下，产品关键质量特性在批次之间、批次内部以及货架期内的波动程度是否处于可接受范围，并保持可预测、可控制。它衡量的不是“某一批是否合格”，而是“批与批之间是否一致、随时间是否漂移”。

这一区分非常重要。单批检验合格只说明该批产品在抽样时刻满足规格，而批次稳定性关注的是分布：均值是否偏移、标准差是否过大、是否存在趋势性漂移、是否出现周期性异常批。举例来说，某聚合物产品黏度规格为 2500～3500 mPa·s，若连续 20 批的均值稳定在 3000 mPa·s、标准差约 80 mPa·s，则过程能力充足；若均值虽在 3000 mPa·s，但标准差达到 250 mPa·s，则即使当前全部合格，也随时可能出现超规格批，稳定性已经恶化。因此，统计分析的目标不是替代检验，而是从数据中识别波动结构、量化波动来源、判断过程是否受控，并为工艺改进与放行决策提供依据。

为便于建立整体认知，下面用一张知识地图把本课程的核心对象、数据链路与分析方法串联起来。图中左侧是真实生产场景中的波动来源，中部是数据采集与统计处理链，右侧是判断结论与处置动作，三者构成闭环。

真实生产中的典型问题往往不是“数据不够”，而是“问题没界定清楚”。以下三类场景在化工企业中极为常见，值得在课程开始时就建立判断意识。

场景一：均值合格但离散度失控。某精细化学品水分指标规格 ≤0.5%，近 30 批均值 0.28%，看似良好，但其中 4 批超过 0.45%，且集中在雨季。若只看单批合格率，会误判过程稳定；用 I-MR 控制图观察移动极差，会发现极差多次超出上控制限，提示干燥工序受环境湿度影响显著。此时处置重点不是调低均值，而是稳定干燥终点判断或增加在线水分监测。

场景二：缓慢趋势漂移。催化剂活性随运行时间衰减，导致转化率逐月下降。单批仍在规格内，但回归分析显示斜率显著为负，按当前趋势预计 2 个月后触及下限。这类问题必须用趋势分析而非简单合格率判断，处置动作是提前安排催化剂更换或调整反应温度补偿。

场景三：异常批与混批风险。某批产品色度突然偏高，若未及时识别，与正常批混合后可能拉低整批等级。统计分析中的异常点识别（如控制图判异准则、箱线图离群值）就是为这类场景服务的，其价值在于尽早隔离而非事后追溯。

还需要明确一个工程约定：本课程中所有控制图与趋势分析，均以生产时间顺序为横轴，即批号按实际生产先后排列，而非按数值大小排序。这一约定直接影响判异准则的有效性——控制图检测的是时间序列上的非随机模式，打乱顺序会掩盖趋势与周期。涉及规格限时，统一以产品放行标准中的上下限为准，不随意替换为内控限，除非明确说明。