01
中试阶段概述
中试的定义与目标 · 桥梁作用 · 核心挑战
概念定位
02
数据采集规划
明确目的 · CQA/CPP · 采集计划表
规划质量
03
传感器选型与校准
温度/压力/流量/pH · 选型原则 · 校准记录
硬件计量
04
数据采集系统搭建
PLC/SCADA · 采集卡 · Modbus/OPC UA
系统通信
05
数据采集频率与分辨率
采样定理 · 合理频率 · 分辨率影响
频率奈奎斯特
06
数据清洗基础
缺失值处理 · 异常值(3σ/IQR) · 去重
清洗预处理
07
数据标准化与归一化
Z-score · Min-Max · 标准化意义
缩放无量纲
08
时间序列数据对齐
时间戳对齐 · 重采样 · 滞后补偿
时序对齐
09
探索性数据分析(EDA)
描述性统计 · 直方图/箱线图 · 相关性矩阵
EDA可视化
10
单变量分析
Cp/Cpk · I-MR控制图 · 正态性检验
过程能力SPC
11
多变量分析
PCA降维 · 批次监控 · 载荷图
PCA降维
12
相关性分析
皮尔逊/斯皮尔曼 · 偏相关 · 热力图
相关系数热图
13
回归分析基础
一元/多元线性回归 · 残差分析 · R²
回归诊断
14
DOE（实验设计）入门
全因子/部分因子 · 响应曲面 · 中心点
DOE因子
15
DOE数据分析
Pareto图 · 主效应/交互作用 · ANOVA
效应方差分析
16
过程监控与SPC
Xbar-R/P/U图 · 判异准则 · 稳定性评估
控制图判异
17
批次一致性分析
批次间ANOVA · Hotelling T² · 谱图对齐
批次多变量
18
数据可视化进阶
趋势图 · 叠加图 · 散点图矩阵 · 3D曲面
可视化高级
19
Python数据分析实战（上）
Pandas读取 · 筛选切片 · groupby聚合
PythonPandas
20
Python数据分析实战（下）
Matplotlib/Seaborn · 自定义样式 · 批量报告
绘图Seaborn
21
Minitab/JMP在中试中的应用
软件界面 · 统计/DOE/SPC · 结果导出
MinitabJMP
22
数据异常根因分析
鱼骨图 · 5Why · 故障树FTA
根因质量工具
23
数据驱动工艺优化
参数调优 · 响应曲面寻优 · 帕累托前沿
优化多目标
24
数据报告撰写
报告结构 · 图表规范 · 可信度评估
报告沟通
25
数据管理规范
命名规则 · 版本控制 · 存储备份 · 权限
管理规范
26
中试数据与放大效应
放大效应 · 数据驱动模型 · 无量纲数群
放大雷诺数
27
机器学习在中试中的初步应用
决策树/随机森林 · K-means聚类
ML聚类
28
实时数据采集与边缘计算
边缘计算 · 边缘预处理 · 云边协同
边缘实时
29
数据完整性（DI）与合规
ALCOA+ · 审计追踪 · 21 CFR Part 11
合规DI
30
综合案例实战
全流程演练 · 常见问题 · 总结与展望
实战综合