4. 移交前参数知识梳理与数据包构建

中试移交生产时，最容易被忽略的不是工艺本身，而是“参数知识”的散落。工艺员手里有批记录，分析员手里有检测数据，设备工程师手里有参数调整日志，但没有人能说清：某个关键参数在什么范围内稳定、它和哪个质量属性强相关、超出边界时最先出问题的是哪一步。移交前参数知识梳理的任务，就是把这些分散信息收敛成一份可被生产、QA、工程共同使用的参数知识库，并配套一个可追溯的数据包。

一、数据收集范围：先划边界，再谈完整

数据收集不是“越多越好”，而是围绕“参数—质量—工艺步骤”三条线划定范围。建议以关键质量属性（CQA）为起点反推：先列出本产品的中试CQA（如含量、有关物质、粒度D50、水分、溶出度等），再识别影响这些CQA的关键工艺参数（CPP），最后补充设备参数与物料属性。以某口服固体制剂中试为例，收集范围可覆盖：

• 工艺参数数据：制粒搅拌转速、加浆时间、干燥进风温度与物料温度、总混时间、压片压力与转速等，按批记录逐批提取，保留原始设定值与实际记录值。
• 质量检测数据：中控（粒度、水分、含量均匀度）与放行检测（含量、有关物质、溶出度）结果，注明检测方法与仪器编号。
• 物料与设备属性：原料粒径分布、批号、供应商；设备型号、锅体容积、喷枪口径等，这些是参数可比性的前提。
• 偏差与变更记录：中试期间的参数调整、超限处理、设备故障，是理解参数边界形成过程的关键证据。

收集时建议为每条数据打上“批号—工序—参数名—单位—时间戳—来源文件”六元标签，避免后续无法回溯。单位必须统一，例如压力统一为kN或bar，温度统一为℃，否则关联性分析会失真。

二、数据质量评估：先筛掉“不可用”，再谈分析

中试数据量小、批次少，质量参差是常态。评估应至少覆盖四个维度：完整性（关键参数是否每批都有记录）、准确性（记录值与设备日志是否一致）、一致性（同工序不同批次的记录口径是否相同）、代表性（是否覆盖了正常与边缘工况）。实操中可用一张简单的评分表逐项判定，例如某参数10批中有3批缺失，完整性得分低，则该参数不宜直接进入关联性分析，只能作为定性参考。

对异常值要区分“记录错误”和“真实工艺波动”。前者应回查原始记录修正并留痕；后者应保留，因为它往往正是参数边界的来源。评估结论建议分为“可直接用于建模”“仅作参考”“需补充数据”三档，并在数据包中明确标注，防止下游误用。

三、参数关联性分析：用数据说话，而非凭经验

关联性分析的目标是回答“哪个参数动，哪个质量属性跟着动”。中试批次少时，不宜直接套用复杂模型，可先用散点图观察趋势，再计算皮尔逊相关系数r作辅助判断。例如干燥工序中，物料温度与水分含量的r约为-0.85，说明二者强负相关，物料温度是水分控制的主参数；而进风温度与水分r仅约-0.3，提示进风温度更多是能量输入条件，需结合风量共同看。需要强调，这些数值属于教学示例的合理假设，实际项目应以本产品数据计算为准。

对多参数耦合的情况，可采用分组对比：固定其他参数，比较某一参数高低两组的质量均值差异。若差异明显且方向一致，可初步认定该参数为关键参数。分析结果应形成“参数—质量属性”关联矩阵，标注相关方向、强度与数据支撑批次数，作为知识库的核心条目。

四、知识库落地：参数卡片与数据包目录

知识库的最小单元建议做成“参数卡片”，每张卡片固定包含：参数名与单位、所属工序、中试实测范围、建议生产边界、关联质量属性及相关系数、数据支撑批次数、相关偏差记录、责任人与版本号。卡片的好处是生产现场可按工序快速查阅，QA可按卡片核对边界依据，工程可按卡片追溯设备条件。

数据包则按“原始证据—评估结论—分析成果—移交清单”四层组织，目录建议为：01原始批记录、02检测数据表、03设备参数日志、04偏差与变更、05质量评估表、06关联矩阵、07参数卡片、08移交清单。每份文件命名带版本与日期，例如“参数卡片_干燥物料温度_V1.0_20250612”。移交时由工艺、生产、QA三方会签，确认卡片中的边界值有数据支撑、参考级数据已标注、偏差记录可回溯。

完成上述工作后，移交的不再是一堆散落文件，而是一套“每个参数都有边界、每个边界都有证据、每个证据都可追溯”的参数知识体系。这也是后续偏差处理时能够快速判断“是参数越界还是正常波动”的基础。