4. 描述性统计与批次稳定性可视化

在批次稳定性分析中，描述性统计承担“第一层体检”的角色：它不急于下结论，而是先把每一批产品的关键质量属性（CQA）压缩成少数几个可比较的数字，再借助图形把这些数字放回批次与时间的坐标中观察。对化工产品而言，常见的CQA包括含量/纯度、水分、pH、黏度、粒径D50、色度、残留单体等。描述性统计的核心任务有三件：刻画中心位置（均值、中位数）、刻画离散程度（方差、标准差、极差、变异系数CV）、刻画分布形状与异常（偏度、箱线图、控制图）。

需要先明确一个参照约定：本文所有控制图与偏差讨论均以“批次为观测单位、按生产时间先后排列”，纵轴为质量特性值，横轴为批次序号；偏差方向以“高于目标值为正、低于目标值为负”定义，全文与图示保持一致。

一、均值与方差：先看“准不准”，再看“稳不稳”

均值反映批次整体水平是否贴近目标值，方差（或标准差）反映批次之间的波动大小。二者必须联合解读：均值合格但方差大，说明过程不稳定，随时可能越界；方差小但均值偏移，说明过程稳定却系统性偏离，属于“稳定地不合格”。实践中常用样本标准差 s 估计过程波动，并计算变异系数 CV = s / x̄ × 100%，用于跨指标、跨量纲比较波动相对大小。例如某聚合物产品黏度均值 3200 mPa·s、标准差 96 mPa·s，CV≈3.0%；而水分均值 0.12%、标准差 0.018%，CV=15%，后者相对波动明显更大，应优先排查干燥工序。

教学示例（合理假设，非实测）：某精细化学品连续 12 批的含量数据为 99.2、99.5、98.8、99.6、99.1、99.9、98.5、99.3、99.4、98.9、99.7、99.0（%）。计算得均值约 99.24%，样本标准差约 0.42%，CV≈0.42%。若内控标准为 98.5%～100.0%，则均值居中、波动可接受；但 98.5% 那一批已贴近下限，需结合控制图判断是否为特殊原因。

二、控制图：区分普通原因与特殊原因

控制图把“时间顺序”引入稳定性判断。以均值-极差图（X̄-R）为例，通常取 20～25 批以上建立基线，按子组计算总均值 X̄̄ 与平均极差 R̄，控制限为：UCL/LCL = X̄̄ ± A₂R̄，R 图上限 D₄R̄、下限 D₃R̄（子组 n=3 时 A₂≈1.023、D₄≈2.574、D₃=0）。判异不只看是否越限，还要看链状规则：连续 7 点位于中心线同侧、连续 6 点递增或递减、2/3 点落在 2σ 以外等，均提示过程存在特殊原因。对批次稳定性而言，控制图的最大价值是把“偶发波动”和“系统性漂移”分开，避免对普通原因过度调整。

三、箱线图、趋势图与多变量图：看分布、看走向、看关联

箱线图适合并排比较不同供应商、不同季节或不同设备所产批次的分布：中位数看水平，箱体高度（IQR）看集中程度，须线外点即候选异常批。趋势图（批次-时间折线）用于识别缓慢漂移，如催化剂活性衰减导致的收率逐批下降。多变量图则解决“单指标都合格、组合却异常”的问题，常用手段包括散点图矩阵、主成分得分图（PCA）与 Hotelling T² 控制图：前者观察两指标相关性（如纯度与水分负相关），后者把多个CQA压缩为统计距离，一次判断批次整体是否偏离正常域。

四、把工具串成判读逻辑

实际分析时建议按“先单变量、再多变量、后时间”的顺序推进：先用均值与CV筛出相对波动大的指标，再用箱线图定位离群批次，用控制图判断过程是否受控，用趋势图确认是否存在方向性漂移，最后用PCA或T²检查多指标组合异常。若某批在单变量上均合格却在T²图上超限，往往提示指标间相关性结构被破坏，例如纯度正常但水分与色度同时轻微偏移，可能指向同一干燥或储存环节。

综上，均值与方差给出定量基线，控制图与趋势图引入时间维度，箱线图与多变量图补足分布与关联视角。四类工具各司其职、互相印证，才能把“这批产品稳不稳”从经验判断转化为可复核的统计结论。