平行样RPD算出来18%，标准要求20%以内，判合格，往下一批接着测。这种情况持续几个月，回收率也总是卡在合格区间的边缘，85%、118%、82%，从没真正超标过，也从没真正让人放心过。很多实验室的质控就停在这一步——每批算一次，跟限值比一下，过了就继续干活。
这套逻辑本身没错，但只做到这一步，等于把质控图这个工具的一大半价值扔掉了。
合格不等于受控
判定”合格”用的是方法标准里写的固定限值，比如平行样RPD不超过多少、加标回收落在多少到多少区间。这条线是死的，只要没超，系统里就是绿色。但受控状态看的是另一件事：这批数据跟这个项目历史上稳定运行时候的表现比，有没有系统性偏离。
举个例子。某个检测项目稳定运行时，加标回收率平均在100%左右波动，标准差5%。如果最近连续十几批都落在108%到113%之间，每一批单独看都在合格区间内，没有一个超标，但整体已经明显偏向偏高的一侧。用固定限值判定，这批次全部合格；用受控状态判定，这已经是系统性偏移，说明标准曲线、试剂批次或者仪器状态动了。
这就是为什么合格率总卡在及格线附近——数据的中心已经悄悄漂移了，只是还没漂到超出方法标准限值那一步。等真的超标，说明偏移已经攒了很久，不是突然出问题。
单点判定看不出的东西，趋势能看出来
Levey-Jennings图是把每一批质控数据按时间顺序画出来，标出均值和几个标准差的界限，不是只算这一个点过没过线，是看这些点连起来是什么走向。点子朝一个方向连续漂移，或者忽然跳到另一个水平线附近波动，这些趋势用固定限值判定法根本看不出来，因为每个点单独拎出来都没超标。
Westgard多规则质控体系原本是临床检验领域的东西，后来被环境、食品这些检测行业借鉴过来，核心思路是不只用一条限值卡生死，而是用几条不同灵敏度的规则组合判断——有的规则专门抓单次大的随机误差，有的规则专门抓连续几批同方向的系统性漂移。单独看某一条规则可能不敏感，但组合起来，既能揪出仪器突然抽风的情况，也能揪出试剂慢慢老化导致的缓慢偏移。
这两种误差性质完全不同，处理方式也不一样。随机误差往往查一下当天操作有没有失误就能解决；系统性偏移得往前翻好几批数据才能定位到问题从哪天开始的，光看今天这一批，什么都查不出来。
想用好质控图，先把基线建对
质控图能不能用起来，前提是有一段稳定期的数据作基线——用哪段历史数据算出的均值和标准差，直接决定这张图判断得准不准。拿刚上线、还没跑稳的数据当基线，图画出来全是假警报；拿混进了几批异常值的数据当基线，反而会把真正的偏移盖过去，看着一切正常。
基线选不对，后面的规则设得再精细也没用。CNAS-CL01:2018关于结果有效性那部分，核心就是要求实验室通过内部质量控制手段监控检测结果的持续可靠性，用控制图是最常见也最直接的一种方式，但前提是这套控制图得真的反映这个项目的实际运行状态，而不是套个模板了事。
合格率长期卡在线附近，别急着怀疑操作员手法有问题，先把这段时间的质控数据连成一条线看看走向。答案通常就在那条线的形状里，不在某一批数据超没超标里。
