2. 变更前后原料批次稳定性数据基线建立
为什么基线必须“多批 + 多时点”
变更前原料的稳定性基线不是一次检测结果，而是一个批次 × 时间点的二维数据集。单批数据无法区分“批次间正常波动”和“方法/仪器误差”，也无法在变更后判断差异是否超出历史波动范围。因此基线至少需要变更前 3 批原料，每批覆盖长期（如 25℃/60%RH）与加速（如 40℃/75%RH）两条条件，并在 0、1、3、6 月（加速可加密至 0、1、2、3、6 月）等时间点检测关键指标。
基线数据集的核心产出是每个时间点、每个指标的均值与变异系数 CV。均值给出“典型水平”，CV 给出“允许波动幅度”，二者共同构成变更后对比的统计基准。CV 过大（例如超过方法重复性 + 批次正常波动的合理上限）说明数据不可直接作为基线，需先排查检测或取样问题。
基线数据集的结构与计算口径
以某乳化型膏霜用增稠剂原料为例，变更前 3 批（B1、B2、B3）在加速条件 40℃/75%RH 下检测粘度（mPa·s）与 pH。每个时间点对 3 批各测 1 次（实际可测 2 次取均值，本例简化为单次），按时间点汇总：
- 均值：
x̄ = (x₁ + x₂ + x₃) / 3 - 样本标准差：
s = √[Σ(xᵢ − x̄)² / (n − 1)]，n = 3 时除以 2 - 变异系数：
CV = s / x̄ × 100%
注意 CV 用样本标准差（n−1）而非总体标准差，因为 3 批是变更前总体的抽样。n=3 时 CV 对单点异常非常敏感，这正是基线阶段要尽早发现的问题。
示例数据与逐点计算
下表为加速条件下粘度（mPa·s）的示例数据（教学假设值，非实测）：
| 时间点 | B1 | B2 | B3 | 均值 x̄ | 样本标准差 s | CV |
|---|---|---|---|---|---|---|
| 0 月 | 48200 | 47600 | 48900 | 48233 | 651.9 | 1.35% |
| 1 月 | 47800 | 47100 | 48300 | 47733 | 601.0 | 1.26% |
| 2 月 | 47300 | 46600 | 47900 | 47267 | 650.6 | 1.38% |
| 3 月 | 46900 | 46100 | 47400 | 46800 | 655.7 | 1.40% |
| 6 月 | 46000 | 45200 | 46600 | 45933 | 702.4 | 1.53% |
以 0 月为例：x̄ = (48200+47600+48900)/3 = 48233.3；偏差为 −33.3、−633.3、+666.7，平方和 ≈ 845,556，除以 (3−1)=2 得 422,778，开方 s ≈ 650.2（表中 651.9 为保留整数输入后的四舍五入差异，实际计算应保留原始读数）。CV = 650.2/48233.3 ≈ 1.35%。
6 个月后粘度均值从 48233 降至 45933，降幅约 4.8%，CV 从 1.35% 升至 1.53%，说明批次间离散度随老化略有扩大，但仍在 2% 以内，可作为后续对比的波动上限参考。
基线数据集的可视化结构
下图把“3 批 × 5 个时间点”的原始数据、按时间点汇总的均值/CV，以及 CV 的判读阈值放在同一视图中，便于直接看出哪一批偏离、哪个时间点波动异常。
基线数据集的落地要点
- 批次可追溯：每批记录原料批号、生产日期、取样日期、储存位置，确保变更后对比时能说明“同条件”。
- 检测条件锁定：粘度用同一转子/转速/温度，pH 用同一校准状态，避免方法漂移混入批次波动。
- 先算 CV 再定基准：若某指标 CV 超过约定阈值，先补测或排查，不要直接把高波动数据当作“正常范围”。
- 保留原始读数：均值与 CV 由原始值计算，表格中保留整数仅为展示，计算时用未舍入数据。