1. 课程导入与问题界定

在精细化工、原料药和中间体生产中，“批次合格率”几乎是最常被追问、也最容易被误读的指标。一个车间本月生产 120 批，检验合格 111 批，合格率 92.5%——这个数字看似清楚，但它既没有说明不合格集中在哪个产品、哪个工序，也没有说明不合格究竟卡在含量、杂质、水分、粒度还是色度上。更关键的是，它无法回答管理者最关心的问题：下一批能不能稳定合格？要改什么、改哪里、改多少？

本课程要建立的，正是把“合格率”这一结果性指标，拆解为可观测、可追溯、可干预的关键质量属性（Critical Quality Attribute，CQA）分析体系。本章不急于进入统计工具，而是先把问题界定清楚：我们要分析的对象是什么，数据从哪里来，最终要交付什么。

一、批次生产中的典型痛点

结合化工批次生产的实际情况，合格率偏低通常不是单一原因造成的，而是几类问题交织：

• 结果合格但过程漂移：某批含量 99.2%，刚好落在 98.0%～101.0% 的内控区间内，但近十批含量持续从 100.5% 下滑到 99.0%，属于“合格但趋势异常”，若不识别，后续必然出现不合格批。
• 不合格原因归集粗糙：质量台账只记录“不合格”，未细分到具体 CQA 项目和超标方向，导致无法判断是反应转化不足、结晶收率偏低，还是干燥失水不充分。
• 批次间可比性差：不同班次、不同反应釜、不同原料供应商的批次混在一起统计，合格率被平均掉，掩盖了设备与原料的真实影响。
• 工艺参数与质量数据割裂：DCS 里有温度、压力、滴加速率曲线，LIMS 里有检验结果，两者靠批号人工对应，分析效率低且易错。

这些痛点的共同本质是：缺少一套把“批次—工艺参数—CQA 结果”对齐的分析语言。合格率只是这套语言的一个输出，而不是分析起点。

二、明确分析对象：批次、CQA 与工艺参数

本课程约定三个核心对象，并在全课程中保持一致：

批次（Batch/Lot）：以一次投料、一个反应周期为基本单元，用唯一批号标识。分析时以“批”为行，以指标为列，构成批次数据表。

关键质量属性（CQA）：对产品安全性与有效性有实质影响的、可测量质量特征。化工批次中常见的 CQA 包括：含量（纯度）、有关物质/单杂、水分、pH、粒度分布 D50、堆密度、色度、残留溶剂等。并非所有检验项都是 CQA，需结合产品注册标准与工艺理解筛选，一般控制在 3～8 项，避免分析失焦。

关键工艺参数（CPP）：对 CQA 有显著影响的工艺变量，如反应温度、保温时间、滴加速率、结晶降温速率、干燥温度与真空度。CQA 与 CPP 的关联分析，是本课程后续章节的主线。

三、课程任务路线与交付成果

整门课程围绕一条主线展开：数据准备 → 合格率刻画 → CQA 分布与能力分析 → 批次间差异识别 → CPP 与 CQA 关联 → 改进与监控。下图给出本节所界定的分析对象关系与课程任务路线，后续各章将逐段展开。

围绕这条路线，本课程最终形成五类可直接使用的交付物：批次数据模板、合格率分层统计表、CQA 过程能力分析表、批次趋势与离群清单、CPP-CQA 关联结论及改进建议。它们不是抽象概念，而是后续每章逐步填充的实体文件。

四、一个用于贯穿全课程的教学示例

为使分析可复现，本课程设定一个示例场景（数据为教学假设，非实测）：某中间体产品 P-01，反应釜 R-101/R-102 两套，近 60 批生产数据。CQA 选取含量（内控 98.0%～101.0%）、单杂（≤0.30%）、水分（≤0.50%）三项；CPP 选取反应温度、保温时间、结晶降温速率三项。假设 60 批中合格 54 批，合格率 90.0%，其中 4 批因单杂超标、2 批因水分超标。

面对这样一组数据，本课程要求读者能依次回答：单杂超标是否集中在 R-102？水分超标是否与降温速率偏慢相关？含量虽合格但是否存在下行趋势？这些问题的答案，将分别由合格率分层、CQA 能力分析、批次差异识别和 CPP-CQA 关联四步给出。示例参数在后续章节会持续沿用，便于读者对照计算过程。

五、本节小结与学习要求

本节完成了三件事：一是把“合格率低”这一模糊痛点，转译为批次、CQA、CPP 三个可分析对象；二是明确了从数据准备到改进监控的六段任务路线；三是给出了贯穿全课程的示例场景与交付成果清单。学习本课程时，建议读者同步准备一份自己车间的批次数据（至少 30 批、含 3 项以上 CQA 与 2 项以上 CPP），随章节推进逐步填入模板，课程结束时即可得到一份属于自己产品的分析报告。