1. 生物过程统计过程控制导论
生物过程统计过程控制（Statistical Process Control for Bioprocesses，简称生物过程SPC）是把统计过程控制的方法体系，系统地应用到生物制药与生物制造过程中的一门工程学科。它关注的不是单批产品最终是否合格，而是过程在时间轴上是否处于稳定、可预测、可解释的状态。理解这一点，是进入本课程的第一道门槛。
一、生物过程的特殊性：为什么不能照搬机械制造SPC
传统SPC诞生于机械加工与装配场景，其核心假设是：同一台设备、同一套工艺参数下，输出特性的波动主要来自随机因素，过程具有较好的重复性。生物过程则明显不同，它至少具有以下四个特性：
- 活体依赖性：细胞、菌体或酶是过程的核心"执行者"，其生理状态随传代、培养时间、代谢环境变化，波动来源包含生物学变异。
- 多变量强耦合：pH、溶氧（DO）、温度、补料速率、代谢副产物等相互影响，单一变量越限往往不是孤立事件。
- 批次内与批次间双重变异：同一批次内随时间漂移，不同批次之间又存在种子、培养基、接种量等差异，形成嵌套变异结构。
- 测量滞后与稀疏：在线可测的常是pH、DO、温度等物理量，而效价、糖基化、聚体等关键质量属性（CQA）往往离线、滞后、抽样获得。
正因为这些特性，生物过程SPC不能简单套用"均值±3σ"控制图，而需要结合过程理解、分层数据结构和风险优先级来设计监控策略。
二、统计过程控制的定义与两个基本判据
统计过程控制是指：利用统计方法对过程数据进行收集、分析与解释，区分普通原因变异（过程固有、随机、稳定）与特殊原因变异（异常、可归因、可消除），从而判断过程是否处于统计受控状态，并在失控时及时触发工程行动。
由此引出两个基本判据：
- 受控（In Control）：数据点落在控制限内且排列随机，说明过程仅受普通原因影响，波动可预测。
- 失控（Out of Control）：出现越限点、连续同侧点、趋势或周期性等非随机模式，提示存在特殊原因，需要调查。
三、工程应用场景
在生物制药企业中，生物过程SPC的典型应用场景包括：
- 上游细胞培养：监控活细胞密度（VCD）、活率、葡萄糖、乳酸、氨、渗透压等随培养时间的轨迹。
- 下游纯化：监控层析收率、洗脱峰纯度、病毒清除对数值、超滤通量衰减。
- 原液与制剂：监控效价、聚体、电荷异构体、可见异物等CQA。
- 公用工程与物料：监控注射用水电导率、培养基批次一致性、缓冲液pH与电导。
- 持续工艺确认（CPV）：作为商业化阶段持续监控与年度产品回顾的数据分析基础。
这些场景的共同点是：数据按时间或批次顺序产生，且需要判断"当前是否偏离了已建立的正常波动范围"。
四、课程路线图
本课程共30章，整体按"概念—工具—数据—应用—体系"五层推进：
- 概念层（第1–4章）：生物过程特性、SPC定义、变异来源、受控与能力概念。
- 工具层（第5–12章）：计量型与计数型控制图、单值-移动极差图、EWMA与CUSUM、多变量Hotelling T²与MEWMA。
- 数据层（第13–18章）：数据采集、MSA测量系统分析、异常值处理、批次嵌套结构、自相关处理。
- 应用层（第19–26章）：上游、下游、原液、制剂、公用工程、CPV与年度回顾的实战监控。
- 体系层（第27–30章）：控制策略、偏差与CAPA联动、数据完整性、审计与法规符合性。
下面用一张图概括本课程的知识结构与数据流关系，帮助建立整体框架。
五、从"看数据"到"做判断"：一个最小示例
假设某单抗上游 fed-batch 工艺，历史20批的收获日活细胞密度（VCD）均值为 12.0×10⁶ cells/mL，批间标准差为 1.5×10⁶ cells/mL。若采用单值控制图，控制限可近似设为 12.0±3×1.5，即 7.5～16.5×10⁶ cells/mL。新批次测得 6.8×10⁶ cells/mL，低于下控制限，提示存在特殊原因，应优先排查种子活力、接种密度、补料策略或溶氧控制。这里的关键不是"6.8是否合格"，而是"6.8是否偏离了该过程已建立的正常波动范围"。
六、学习本课程应建立的三个意识
- 过程意识：把生物过程看作一个受多因素影响的动态系统，而不是一批一批孤立的产品。
- 变异意识：先区分普通原因与特殊原因，再决定是调整过程还是调查异常。
- 证据意识：控制图判定、能力指数、趋势分析都要有数据来源、计算方法和判断依据，能够被审计追溯。
掌握这三条，后续学习控制图选择、多变量监控、CPV实施时，才能把工具用在对的地方，而不是把SPC做成一张好看的报表。