实验室看到平行样结果差异大，最常见的反应是：重做一遍。
这当然没错，但只会重做，不会定位问题，往往只是把一次异常变成两次异常。更麻烦的是，有些实验室重做到结果“顺眼”为止，再把前面的数据作废。表面上问题解决了，实际上连异常发生在哪一步都没弄清楚。
平行样超差不是一个单独的问题，它只是一个信号。真正需要回答的是：差异来自样品、前处理、仪器，还是数据处理？
这四类原因，处理方式完全不同。
先弄清楚，你比较的到底是不是“平行样”
不少实验室把同一份待测液连续进样两次，也叫平行样。严格说，这只能反映仪器进样和检测系统的重复性，无法评价称样、提取、消解、定容等前处理环节。
真正有排查价值的平行样，应从独立称样或独立取样开始，分别完成全部分析过程。
如果两次独立前处理结果差异大，但同一待测液重复进样很稳定，问题大概率不在仪器，而在取样或前处理。反过来，独立样品制备过程一致，同一待测液连续进样却明显波动，就要重点检查进样系统、检测器状态、峰积分和基线。
这一步一定要分清。否则方向错了，查半天都是白忙。
建议异常发生后采用“分层复测”思路：
- 原待测液重复进样，用来判断仪器重复性；
- 原样重新稀释，用来判断稀释和定容误差；
- 原始样品重新称样并完成全流程，用来判断取样与前处理误差。
三组结果一对比，误差大致发生在哪一层，通常就能看出来。比起直接把整批样品全部推倒重做，这种方法效率高得多。
RSD超标，有时不是精密度差，而是数值太接近零
RSD是标准偏差与平均值的比值。样品浓度越低、结果越接近零，分母越小，RSD越容易被放大。
例如两个结果分别为0.010 mg/L和0.014 mg/L，绝对差只有0.004 mg/L，但RSD可能已经很难看。如果这两个结果接近方法定量限，单纯用百分比评价，未必合理。
所以，低浓度样品不能只盯着RSD。还要结合绝对差值、方法检出能力、空白波动和测量不确定度判断。对于接近定量限的数据，实验室应事先规定采用相对偏差、绝对差值，还是其他适合的方法评价，而不是等到超标后临时找解释。
别让一个公式替你做所有判断。
同样的道理，高浓度样品即使绝对差很大，RSD也可能不高。只看相对指标，也可能把真实问题藏起来。评价规则应与浓度水平、方法性能和使用目的匹配。
样品不均匀，是最容易被误判的原因
粉末、土壤、饲料、矿石、固废、食品和含悬浮物的水样，都可能存在明显不均匀性。实验人员称样操作完全规范，两个平行样仍然可能来自不同的组成区域。
这种情况下，继续要求分析人员“提高操作水平”没有意义。问题发生在分析之前。
常见表现包括：称样量越小，平行差越大；重新研磨或增加混匀时间后，结果明显改善；同一待测液重复进样很好，但重新称样结果波动很大。
处理这类问题，关键不是多做几次取平均值，而是重新审视样品制备方案。粒径是否足够小，混匀方式是否适合，取样量能否代表整体，样品是否在静置过程中分层，挥发性或吸湿性组分是否发生变化，都需要逐项确认。
有时把称样量从0.2 g提高到1.0 g，比培训十遍移液操作更有效。
对于特别不均匀的样品，还应考虑增加平行份数，记录样品均匀化条件，并在方法确认阶段评估取样误差。分析结果的重复性，未必等于仪器的重复性，这一点管理人员要心里有数。
前处理中的“小差别”，最容易累积成大偏差
平行样超差，很多时候不是某一步发生了严重错误，而是几个小误差叠加在一起。
称样量过小、消解时间略有差异、提取液温度不同、振荡强度不一致、转移不完全、滤膜吸附、定容时溶液温度不一致，都可能让两个结果慢慢拉开。
尤其要关注以下几种情况：
一是反应没有真正达到终点。比如显色反应时间不同、萃取分层不充分、消解液仍有残渣。表面上步骤做完了，实际上两个平行样处在不同反应程度。
二是目标物容易损失。挥发、光解、氧化、吸附和容器残留，都会让不同操作节奏产生差异。一个样品放了五分钟，另一个放了半小时，结果不一样并不奇怪。
三是稀释倍数过大。一次1∶1000的稀释，看起来省事，实际上任何一次移液偏差都会被放大。对于低体积移液，枪头润洗、吸液速度和溶液黏度都会影响结果。
别小看这些细节。平行样之间的差，往往就藏在这些“不至于出错”的地方。
仪器稳定，不等于进样结果一定稳定
仪器自检通过、校准曲线合格，不代表样品测定过程没有问题。
自动进样器针堵塞、进样针清洗不足、进样瓶液面过低、气泡、样品沉淀、色谱峰积分边界变化、光谱背景扣除异常，都可能造成平行结果波动。
排查时不要只看最终浓度。应回到原始信号，比较峰面积、峰高、保留时间、内标响应、基线和积分参数。若浓度差异明显，但原始响应差异更大，说明问题可能发生在检测端；若原始响应接近，换算结果却差异很大，就要检查稀释倍数、称样量、含水率换算和结果录入。
很多所谓“仪器波动”，查到后面其实是计算因子填错了。
对于批量检测，还要看异常是否集中出现在某个时间段。如果前半批稳定、后半批逐渐漂移，应检查系统污染、试剂稳定性、光源状态或柱效变化；如果异常总出现在高浓度样品之后，残留和交叉污染就很可疑。
平行样超差后，哪些做法不能接受
不能直接挑两个最接近的结果平均。
不能因为第三次结果靠近其中一个，就随意删除另一个。异常数据的剔除需要有技术依据，例如确认进样失败、样品泄漏、定容错误或积分异常，而不是因为结果“不好看”。
也不能把全部问题都归结为人员操作。若同一项目长期出现平行超差，说明方法、样品制备或质量控制设计可能存在系统性缺陷。反复让分析人员写偏差说明，只是在消耗人。
更合理的处理方式，是保留原始数据和复测路径，记录每次复测从哪一环节开始、发现了什么证据、最终如何判定。长期积累后，可以统计超差最常发生在哪个项目、哪种样品和哪个步骤。
如果某个项目80%的超差都来自重新称样，而原液重复进样始终稳定，那就别再折腾仪器了，该优化的是样品均匀化和取样量。
