1. 课程导入与数据缺口清单总览
在化工中试工艺转移中，最容易被低估、却最常导致商业化开车延期的问题，不是“工艺不会做”，而是“数据不全、口径不一、来源不清”。数据缺口清单（Data Gap List，简称 DGL）就是用来系统识别、记录和跟踪这些缺失或不可靠数据的工程管理工具。它不是一份简单的“缺什么补什么”的备忘录，而是把工艺包、中试装置与商业化生产装置三者之间的信息落差，转化为可分级、可指派、可关闭的条目集合。
要理解 DGL 的作用，先要建立转移场景的整体认知。工艺包通常来自研发或小试，给出的是反应路线、物料衡算、关键控制参数和初步设备条件；中试装置则是在接近工程尺度上验证可行性、获取放大数据和积累操作经验；商业化生产装置关注的是产能、稳定性、安全环保合规和成本。三者之间并非线性传递，而是存在大量“信息衰减”：小试没测的物性、中试没跑过的长周期、商业化才暴露的杂质累积与设备材质问题。DGL 的本质，就是把这些衰减点显性化。
一个典型的数据缺口示例：某硝化反应工艺包给出反应温度 35～40 ℃、停留时间 45 min，但未提供该放热反应的绝热温升数据与冷却失效场景下的最大温度。中试装置运行 12 批次，记录到冷却水短时中断时反应釜温度在 90 s 内上升 18 ℃。这一数据在工艺包中缺失，却直接决定商业化装置是否需要紧急泄放系统。该条目即应进入 DGL，标注为“安全关键、高优先级”。
编制 DGL 需要遵循几条原则。第一是以转移节点为锚：缺口不是孤立存在的，必须对应到“工艺包交付—中试验证—商业化设计—开车确认”的具体节点，明确该数据由谁在何时提供。第二是分级而非平铺：按对安全、质量、产能、合规的影响程度分为关键、重要、一般三级，避免所有条目同等对待导致资源分散。第三是可验证：每条缺口应写明“缺失内容、影响对象、建议获取方式、验收判据”，例如“缺失：结晶器浆料流变数据；影响：输送泵选型；获取方式：中试取样旋转黏度计测定；判据：给出 20～60 ℃、固含 15%～35% 的黏度曲线”。第四是动态闭环：DGL 是活文档，随中试推进不断新增、降级和关闭，关闭需附证据编号。
从图中可以看到，DGL 位于三个阶段的交汇处，向上承接工艺包与中试的原始信息，向下约束商业化设计与开车确认。实际编制时，建议以“转移节点 + 专业类别”二维展开：节点维度包括工艺包交付、中试方案、中试运行、放大设计、开车准备；专业类别包括反应与分离、物性与热安全、设备与材质、分析与质量控制、三废与合规、操作与联锁。每个交叉格逐一排查，能有效避免遗漏。
以一个具体场景说明如何落地。假设某 API 中间体从 50 L 中试转移到 3000 L 商业化反应釜，工艺包提供了反应配比与温度曲线，但 DGL 排查后发现三类缺口：其一，缺少搅拌桨型与转速对混合时间的影响数据，影响放大后的选择性与杂质水平；其二，缺少原料中某一微量杂质在多次套用溶剂后的累积趋势，影响质量稳定性；其三，缺少反应釜夹套冷却能力与放热速率的匹配核算，影响温度控制裕量。三条分别定为重要、关键、关键，并分别指派给工艺开发、分析和工程专业，约定在中试第 3 批前完成数据补充。这样的清单才具备可执行性。
编制提示：DGL 条目描述应避免“数据不足”这类模糊表述，改为“缺失对象 + 使用场景 + 判据”。例如把“缺少黏度数据”改写为“缺失 20～60 ℃、固含 15%～35% 的浆料黏度曲线，用于输送泵与搅拌选型，判据为给出完整温度—固含—黏度关系”。模糊条目无法验收，也无法关闭。
需要强调的是，DGL 与风险登记册、假设清单有明确分工：风险登记册记录“可能发生的不利事件”，假设清单记录“暂时按此推进的前提”，而 DGL 记录“为完成转移必须补齐的具体数据”。三者可以互相引用，但不应混为一谈。把缺口当风险记录，会导致数据补充责任落空；把假设当缺口，则会造成清单虚胖。
本课程后续将围绕 DGL 的全生命周期展开：如何按专业类别系统识别缺口、如何设定分级与验收判据、如何在中试运行中动态维护、如何在商业化开车前完成关闭确认。本章建立的总览认知是后续所有工具与方法的基础——先看清转移场景中的信息落差在哪里，才谈得上精准补缺。