2026年生物制药过程分析技术验证

2026/05/132026年生物制药过程分析技术验证汇报人:1234CONTENTS目录01

行业背景与技术趋势02

PAT技术体系与核心要素03

验证流程与方法学要求04

设备与系统验证实践CONTENTS目录05

数据完整性与合规管理06

典型案例分析07

风险评估与质量控制08

未来展望与技术创新行业背景与技术趋势012026年生物制药行业发展现状市场规模与增长趋势2023年全球制药行业市场规模已达1.5万亿美元，预计到2026年将增长至1.8万亿美元，年复合增长率(CAGR)为5.2%。这一增长主要得益于精准医疗、生物技术突破以及老龄化社会的药品需求激增。国家战略地位与政策支持2026年两会将生物制药列为国家支柱性产业前三位，"十五五"规划将生物医药纳入六大新兴支柱产业，战略地位明确，为行业发展提供了强有力的政策保障。技术革新与研发重点行业发展的关键来自于自身的科研因素，基因编辑技术（如CRISPR-Cas9）、mRNA疫苗技术、单克隆抗体技术、连续生物制造技术以及人工智能辅助药物研发等成为2026年的研发热点和技术突破口。面临的挑战与应对方向行业面临研发成本持续攀升、核心专利到期压力增大、国内外竞争加剧、医保控费带来的价格压力以及生产效率瓶颈等挑战。企业需通过强化研发创新、拓展国际合作、优化商业化策略及加强成本控制等方式应对。提升药品质量稳定性的核心工具通过实时监控关键工艺参数（如反应釜pH值、溶氧量），PAT可将药品批次合格率从传统方法的92%提升至98%以上，显著降低质量波动风险。加速工艺开发与优化的关键手段集成AI预测模型与实时数据分析，PAT能提前24小时预警发酵罐异常，缩短工艺开发周期30%，并支持动态调整工艺参数以优化生产效率。满足全球法规合规的必要条件符合FDA21CFRPart11对电子记录和签名的严格要求，PAT的自动化数据采集与审计追踪功能可将合规性验证文档量减少至≤5份/年，降低监管风险。推动可持续生产的绿色技术支撑通过精准控制物料投入与能源消耗，PAT助力实现动态节能模式，结合智能电表实时监测，可降低制药过程能耗18%-25%，符合欧盟绿色制药法案要求。过程分析技术(PAT)的战略地位技术革新驱动质量控制升级智能化分析技术的应用AI预测模型可提前24小时预警发酵罐异常，如某跨国药企智能控制系统升级后，药品批次合格率从88%提升至99%，符合WHOGMP2023标准。新型检测方法的突破实时荧光定量PCR（qPCR）技术被广泛应用于检测疫苗中残留宿主DNA（rcDNA），确保生物制品的安全性，符合各国药典要求。过程分析技术（PAT）的整合通过部署300+个高精度传感器，覆盖反应釜液位、pH值、溶氧量等8类参数，结合边缘计算节点实现实时决策，提升生产过程的可控性与质量稳定性。数据完整性保障技术采用ALCOA+原则管理药品数据，自动化生产系统自动采集存储原始数据，操作人员定期备份并签名确认，确保数据的可归属、清晰可辨、同步记录与可溯源。PAT技术体系与核心要素02过程分析技术的定义与目标过程分析技术的核心定义

过程分析技术（PAT）是指在药品生产过程中，通过实时监测关键工艺参数和质量属性，实现对生产过程的持续控制与优化，确保产品质量的系统化方法。技术应用的核心目标

核心目标包括：实时监控生产过程、及时识别质量风险、提高产品批次一致性、缩短生产周期、降低生产成本，符合2026年药品质量管理规范对数据完整性和过程可控性的要求。关键技术特征

具备实时性、准确性、可追溯性，依赖高精度传感器（如覆盖反应釜液位、pH值、溶氧量等参数）、数据采集与分析系统，以及符合ALCOA+原则的数据管理能力。生物制药PAT工具分类与应用

01过程分析仪器类工具包括近红外光谱仪（NIRS）、拉曼光谱仪、高效液相色谱仪（HPLC）等，用于实时监测关键工艺参数和产品质量属性，如在发酵过程中利用NIRS在线分析葡萄糖浓度和细胞密度。

02过程控制与建模软件工具涵盖多变量统计过程控制（MSPC）、软传感器、过程分析技术软件平台等，例如采用MSPC对生物反应器的pH、溶氧等多参数进行趋势分析和异常预警，提升过程稳定性。

03自动化取样与样品处理工具如在线取样系统、自动稀释仪、固相萃取装置等，实现从取样到分析的自动化操作，减少人为误差，提高分析效率，例如在连续流生物制药工艺中实现无人值守的样品采集与预处理。

04生物制药典型应用场景在重组蛋白生产中，结合HPLC与MSPC实时监测产物纯度和相关杂质；在疫苗生产的细胞培养阶段，利用拉曼光谱在线分析细胞活性和代谢物浓度，确保批次质量一致性。实时监测与质量源于设计(QbD)融合01QbD框架下的关键质量属性(CQAs)识别在QbD框架中，需基于产品特性和患者需求，通过风险评估工具（如FMEA）识别关键质量属性。例如生物制药中，重组蛋白的效价、纯度、聚合体含量等常被确定为CQAs，这些属性直接影响产品的安全性和有效性。02实时监测参数与CQAs的关联模型构建建立实时监测的过程分析技术(PAT)参数与CQAs之间的数学模型是融合的核心。例如，在发酵过程中，通过实时监测溶氧量、pH值、温度等参数，结合多变量数据分析方法（如PLS），构建其与产物浓度、活性等CQAs的关联模型，实现对产品质量的预测。03基于实时数据的设计空间动态调整QbD强调设计空间的建立，而实时监测数据可用于动态调整设计空间。当实时监测到关键过程参数偏离预期范围时，结合关联模型评估对CQAs的潜在影响，在确保产品质量的前提下，可适当调整操作参数，拓展设计空间的灵活性，提高生产过程的稳健性。04实时反馈控制策略在QbD中的应用将实时监测数据与反馈控制策略相结合，实现对生产过程的精准调控。例如，在细胞培养过程中，根据实时监测的葡萄糖浓度和细胞密度数据，自动调整补料速率，使培养过程始终处于QbD定义的最优工艺条件范围内，保证产品质量的一致性。验证流程与方法学要求03PAT验证的生命周期管理开发阶段：方法设计与参数确认在PAT方法开发阶段，需明确关键质量属性（CQAs）和关键工艺参数（CPPs），设计合适的分析方法。例如，采用近红外光谱（NIRS）监测发酵过程中溶氧量（DO）、pH值等参数，需通过实验确定光谱采集频率（如每5分钟1次）和模型训练集样本量（通常≥50批），确保方法能准确反映工艺状态。验证阶段：系统适用性与性能确认验证阶段需进行系统适用性试验，包括精密度（RSD≤2%）、准确度（回收率80%-120%）、检出限（LOD）和定量限（LOQ）等参数验证。参照2026年药品生产质量管理规范要求，例如HPLC系统理论板数（n）应符合规定，分离度（R）≥1.5，确保分析结果可靠。同时，需对硬件（如传感器）和软件（如数据分析算法）进行性能确认，证明其在预期工艺条件下稳定运行。维护阶段：持续监控与周期性再验证进入维护阶段后，需建立PAT系统的日常监控机制，如定期校准传感器（如每月1次）、检查数据完整性（符合ALCOA+原则）。根据2026年法规要求，关键PAT系统应制定再验证周期（如每年1次），当发生重大变更（如工艺参数调整、设备升级）时，需重新评估方法性能。例如，某生物制药企业在更换发酵罐搅拌系统后，通过再验证确认NIRS模型仍能准确预测产物浓度，避免因系统变化导致质量风险。分析方法验证关键参数

准确度准确度指测量值与真实值的接近程度，通常通过回收率试验评估。生物制药中，如重组蛋白含量测定，回收率一般要求在80%-120%之间，以确保方法的准确性。

精密度精密度体现多次测量结果的重现性，包括重复性和中间精密度。例如，HPLC法测定抗体纯度，RSD（相对标准偏差）应≤2.0%，确保检测结果的稳定性。

专属性专属性是指在其他成分（如杂质、辅料）存在时，准确测定被测物的能力。如采用红外分光光度法（IR）鉴别药物，通过特征官能团吸收峰区分目标物与干扰物。

检测限与定量限检测限（LOD）是能检测出的最低浓度，定量限（LOQ）是能准确定量的最低浓度。生物制品中残留宿主DNA检测，qPCR法LOD通常需达到10pg/μL，LOQ确保定量可靠。

线性与范围线性要求响应值与浓度呈良好线性关系，相关系数r一般≥0.999。例如，紫外分光光度法测定药物含量，线性范围通常覆盖80%-120%的标示浓度，保证方法适用性。

稳定性稳定性考察方法在不同条件下的可靠性，包括系统稳定性和样品稳定性。如HPLC系统连续进样6小时，主峰保留时间RSD应≤1.0%，确保检测过程不受时间影响。系统适用性测试与性能确认

系统适用性测试关键参数在生物制药过程分析中，系统适用性测试需重点关注分离度（R）、理论板数（n）、拖尾因子（T）等参数。例如高效液相色谱（HPLC）系统适用性试验中，分离度应不小于1.5，拖尾因子通常应在0.9-1.2之间，以确保分析方法的可靠性。

性能确认的核心指标性能确认需验证系统在实际运行条件下的准确性、精密度和稳定性。如在重组蛋白纯度检测中，采用HPLC法，其精密度要求相对标准偏差（RSD）应不大于2.0%，准确度需在80%-120%范围内，同时通过连续多批次测试确认系统长期运行的稳定性。

法规要求与案例参考根据《药品生产质量管理规范（2023年修订）》，系统适用性测试和性能确认数据需完整、可追溯，符合ALCOA+原则。参考2026年生物制药真题卷，对关键工艺参数的验证需形成书面报告，如某批次产品可见异物检测合格率未达标时，需启动偏差调查并重新验证分析系统性能。方法转移与可比性验证方法转移的核心要素方法转移需确保接收方能够准确复现方法性能，关键要素包括转移方案制定、接收方人员培训、设备确认及预验证。例如，某生物制药企业在转移HPLC纯度检测方法时，提前对接收方实验室的色谱柱型号、流动相配比进行确认，确保与转移方一致。可比性验证的关键指标可比性验证需评估方法转移前后的结果一致性，关键指标包括准确度（如回收率差异≤2%）、精密度（RSD≤5%）、检出限和定量限。参考2026年药品质量安全试题要求，关键质量属性的偏差需作为主要偏差调查，确保数据可靠性。转移过程中的风险控制针对转移过程中的潜在风险，需建立风险评估机制，如交叉污染风险（采用专用设备）、人员操作差异（通过操作SOP培训）、环境影响（控制温湿度在18-26℃）。某案例中，通过同步记录转移前后的系统适用性参数（如理论板数、分离度），成功识别并解决了色谱柱效能差异问题。设备与系统验证实践04分析仪器的DQ/IQ/OQ/PQ实施

设计确认（DQ）：合规性与需求匹配DQ需确保仪器设计符合GMP及项目特定需求，如2026年生物制药过程分析中，HPLC系统需满足USP/EP对色谱柱效（理论板数n）和分离度（R）的要求，同时考虑数据完整性ALCOA+原则，确保软件具备审计追踪功能。

安装确认（IQ）：硬件与文件验证IQ包括仪器安装环境（如洁净区级别、温湿度）、部件完整性（如传感器校准证书）及文件归档（操作手册、供应商资质）。例如，2026年某疫苗生产企业对LNP粒径分析仪进行IQ时，需确认其放置于A级洁净区，且防震措施符合厂商要求。

运行确认（OQ）：参数与功能验证OQ需测试仪器关键操作参数的有效性，如pH计的校准范围（2-12pH）、溶氧仪的响应时间（≤30秒）。2026年某生物类似药企业通过OQ确认发酵罐在线葡萄糖传感器在0-100g/L范围内线性良好（R²≥0.999）。

性能确认（PQ）：实际样品适用性PQ通过实际样品测试验证仪器性能，如采用标准品（如重组胰岛素对照品）验证HPLC的准确度（回收率98%-102%）和精密度（RSD≤2.0%）。2026年某CAR-T细胞治疗企业在PQ中，使用流式细胞仪检测CD19阳性率，结果与预期偏差≤5%。传感器校准与维护验证

校准频率与标准品要求关键工艺参数传感器（如发酵罐溶氧量、pH值）应每批生产前校准，采用经计量认证的标准品，如pH校准液需符合USP/NF标准，确保测量偏差在±0.05pH单位内。

校准方法学验证指标需验证校准的准确度（测量值与真实值偏差≤1%）、精密度（连续3次校准RSD≤2%）及线性范围（覆盖工艺参数操作区间120%），如温度传感器校准范围应包含20-40℃典型发酵温度。

维护周期与性能确认非接触式传感器每月进行外观检查与清洁，每年开展预防性维护；维护后需通过性能确认，如浊度传感器经清洁后，响应时间应≤30秒，符合2026年药品GMP对数据完整性的ALCOA+要求。

校准异常处理与记录若校准结果超出允许偏差（如压力传感器示值误差＞±0.5kPa），应立即停用并启动偏差调查，采用根本原因分析（5Why法）追溯故障来源，所有校准数据需同步、清晰记录并归档，保存至药品有效期后一年。数据采集与传输系统验证

传感器选型与校准验证需覆盖反应釜液位、pH值、溶氧量等8类关键工艺参数，采用高精度非接触式传感器以减少污染风险。定期校准确保数据准确性，如温度传感器偏差需控制在±0.5℃内，pH传感器精度应达到±0.05。

数据采集点密度与实时性验证检测点密度应≥1点/5㎡，确保生产过程全覆盖。数据采集频率需满足工艺要求，如发酵罐关键参数采集间隔不超过1秒，以保证对过程异常的及时响应。

数据传输协议与完整性验证采用OPCUA等标准化协议实现DCS与MES系统双向数据流，确保数据传输延迟≤100ms。验证数据在传输过程中的完整性，无丢失、篡改或错误，符合ALCOA+原则中“完整”和“一致”要求。

网络架构与安全性验证采用5G工业网络或双千兆交换机冗余设计，实现1000帧/秒的数据传输速率，保障网络高可用性。部署入侵检测系统(IDS)和零信任架构，禁止横向移动，防止未授权访问和数据泄露。数据完整性与合规管理05ALCOA+原则在PAT中的应用

可归属（Attributable）：数据溯源与责任明确在PAT系统中，所有关键工艺参数（如反应釜温度、pH值）的监测数据需关联操作人员ID、设备编号及时间戳，确保任何数据变动可追溯至具体操作环节。例如，某生物制药企业通过PAT系统记录溶氧量数据时，同步记录监测传感器编号与校准信息，符合药品GMP对数据归属的要求。清晰可辨（Legible）：数据记录的准确性与可读性PAT采集的数据需采用标准化格式，避免模糊或歧义表述。例如，采用电子数据记录系统替代手写记录，确保色谱峰面积、光谱吸收值等关键数据精确至小数点后四位，并自动生成不可篡改的电子图谱，符合ALCOA+对数据清晰性的要求。同步记录（Contemporaneous）：实时数据采集与存储PAT系统需实现数据的实时采集与同步存储，避免延迟记录或事后补录。例如，发酵过程中通过在线HPLC监测产物浓度，数据每5分钟自动上传至中央数据库，与生产批次信息实时关联，确保数据记录与工艺过程同步，符合药品数据完整性规范。原始性（Original）：数据的真实性与不可篡改性PAT系统应直接采集原始数据，避免二次处理或人工干预。例如，使用经过验证的传感器直接获取反应体系的pH值，原始数据加密存储于不可写介质中，如需修改需通过审计追踪功能记录变更历史，确保数据原始性符合FDA21CFRPart11要求。准确性（Accurate）：数据测量与校准的可靠性PAT系统的分析设备需定期校准，确保数据准确性。例如，近红外光谱仪每月使用标准品进行校准，偏差需控制在±2%以内；天平称量数据需自动扣除皮重并记录校准证书编号，确保关键工艺参数的测量误差符合预定标准。完整性（Complete）：全流程数据的无遗漏采集PAT需覆盖从原料投入到成品产出的全工艺过程数据。例如，某重组蛋白生产中，PAT系统连续采集细胞培养的温度、溶氧、搅拌速率，以及纯化过程中的层析柱压力、洗脱体积等数据，形成完整的生产数据链，满足药品质量回顾的完整性要求。一致性（Consistent）：数据格式与标准的统一PAT系统采用统一的数据格式与单位标准，确保不同设备、不同批次数据的一致性。例如，所有温度数据统一以摄氏度（℃）为单位，时间记录精确到秒，数据传输采用OPCUA协议，避免因格式差异导致的数据误解或错误分析。电子记录与电子签名的核心规范FDA21CFRPart11对生物制药过程分析技术中的电子记录提出明确要求，包括记录的可归属、清晰可辨、同步记录、原始性和准确性（ALCOA原则）。电子签名需具备唯一性、可追溯性，且等效于手写签名的法律效力，确保数据完整性与操作责任明确。系统验证与审计追踪要求用于过程分析的计算机化系统必须经过验证，证明其能够准确、可靠地生成和维护电子记录。审计追踪功能需自动记录所有数据的创建、修改、删除操作，包括操作人员、时间和原因，且追踪记录不可篡改，保存期限至少与电子记录一致。数据安全与访问控制措施合规系统需实施严格的访问控制，通过用户名、密码等方式确保只有授权人员能操作。同时，应采取物理和逻辑安全措施防止数据未授权访问、修改或破坏，例如加密技术、防火墙设置及定期安全审计，符合2026年制药行业数据安全标准。AI辅助验证的特殊考量2026年FDA引入更严格的AI辅助验证标准，要求生物制药企业证明过程分析中AI系统的可解释性和可靠性。需提供算法验证文档、数据训练过程记录及模型性能评估报告，确保AI驱动的分析结果符合Part11对数据质量和合规性的要求。FDA21CFRPart11合规要求电子数据审计追踪与追溯

ALCOA+原则在数据审计中的核心应用电子数据需严格遵循ALCOA+原则，确保数据可归属(Attributable)、清晰可辨(Legible)、同步记录(Contemporaneous)、原始或真实(Original)、准确(Accurate)，并满足完整(Complete)、一致(Consistent)、持久(Durable)、可访问(Available)的附加要求，为审计追踪奠定基础。

关键数据变更的审计追踪要求所有电子数据的修改、删除等操作必须留有完整审计轨迹，包括操作人、时间、原因及前后数据对比。例如，实验室检验结果不合格时，严禁删除原始检测谱图，应如实记录并进行偏差调查，确保数据变更可追溯。

自动化系统数据的追溯与备份策略自动化生产系统与分析仪器应自动采集存储原始数据，操作人员需定期备份并签名确认。数据备份介质应安全可靠，保存期限至少为药品有效期后一年，确保在需要时可完整追溯数据生成与流转过程。

数据审计追踪的合规性验证要点验证需确认审计追踪功能的有效性，包括是否能防止未授权访问、数据篡改，以及是否能完整记录所有关键操作。例如，检查系统是否对数据的创建、修改、删除进行了全面记录，并符合药品GMP对数据完整性的要求。典型案例分析06重组蛋白生产过程PAT验证实例

发酵过程关键参数在线监测验证以CHO细胞表达重组抗体为例，采用原位光谱传感器在线监测发酵罐pH值（控制范围6.8±0.2）、溶氧量（30%-50%饱和度）及葡萄糖浓度（5-15g/L），通过与离线HPLC检测结果比对，偏差均≤5%，满足ICHQ8指南要求。

纯化工艺层析柱效实时分析验证在ProteinA亲和层析步骤中，利用紫外-可见分光光度计在线监测280nm吸光度，结合层析柱压力传感器数据，建立峰形对称性（拖尾因子T≤1.2）和理论板数（n≥5000/m）的实时控制模型，纯化收率提升至92%，杂质残留≤0.1%。

冻干过程水分含量PAT验证采用近红外光谱（NIRS）技术对重组蛋白冻干过程进行实时监测，通过偏最小二乘回归（PLSR）模型预测产品残余水分，与卡尔费休法离线检测结果对比，预测误差≤0.3%，符合《药品生产质量管理规范（2023年修订）》对无菌药品冻干工艺的要求。疫苗生产中实时监测系统验证

监测参数与传感器选型验证需覆盖反应釜液位、pH值、溶氧量等8类关键工艺参数，采用高精度非接触式传感器以减少污染风险，确保数据采集检测点密度≥1点/5㎡。

数据采集与传输性能验证验证系统数据传输速率与完整性，如采用5G工业网络实现1000帧/秒的数据传输，确保DCS与MES系统间数据传输延迟≤450ms，满足实时监控需求。

系统报警与故障处理验证确认系统对异常参数的报警响应时间及准确性，如发酵罐异常预警需提前24小时，远程运维故障诊断时间应≤30分钟，保障生产连续性。

数据完整性与合规性验证依据ALCOA+原则，验证数据的可归属、清晰可辨、同步记录等核心要素，确保系统符合FDA21CFRPart11要求，实现自动化合规文档生成，文档量≤5份/年。关键工艺参数的实时监测与控制在连续生物制造中，如使用中空纤维过滤器(ATF系统)进行高密度灌流培养时，PAT需实时监测溶氧浓度(DO)、pH值、补料速率等参数，通过边缘计算节点实现动态调整，确保细胞生长动力学稳定，如某抗体药生产中通过PAT将发酵罐溶氧波动控制在±5%范围内。多变量数据分析与过程优化集成物联网(IoT)设备采集的300+个检测点数据（如反应釜液位、温度、压力），运用AI预测模型进行多变量分析，提前24小时预警潜在工艺异常。例如，某跨国药企智能控制系统升级项目中，通过PAT数据分析将批次合格率从88%提升至99%。物料平衡与连续流稳定性验证针对连续生产的原料药，PAT需对物料平衡进行实时计算与监控，确保在一定时间间隔内生产的均质产品符合质量标准。如采用动态节能模式的变频器系统，通过PAT验证其物料转化率稳定在95%以上，且能耗降低18%。合规性与数据完整性保障连续生产中PAT系统需符合FDA21CFRPart11要求，确保数据的可归属、清晰可辨、同步记录和可溯源访问(ALCOA+原则)。例如，某项目通过AI辅助生成验证文档，将合规性自动化验证文档量控制在≤5份/年，满足数据完整性要求。连续生产工艺中的PAT应用验证风险评估与质量控制07PAT实施的风险识别与评估技术层面风险识别包括传感器漂移、数据采集延迟（如传统DCS系统数据传输延迟高达450ms）、分析方法专属性不足（如HPLC分离度R未达1.5）等可能导致过程监控失真的风险。合规层面风险识别涵盖数据完整性ALCOA+原则违背（如手动记录篡改）、验证文档不完整（如未满足FDA21CFRPart11对电子记录的要求）、方法验证参数缺失（如未进行精密度或准确度验证）等风险。操作层面风险识别涉及操作人员对PAT系统不熟悉导致误操作、维护校准不及时（如A级洁净区浮游菌监测未按每批连续监测）、异常情况处理流程不完善等引发的过程失控风险。风险评估矩阵构建采用可能性-严重性矩阵，对识别的风险进行量化分级，例如将传感器失效导致产品批次不合格（严重性高）且年发生概率>10%（可能性中）的风险定为高优先级。风险控制策略制定针对高风险项制定防控措施，如关键传感器实施定期校准（参考清洁验证残留物限度0.1%标准）、采用边缘计算节点减少数据延迟（目标≤100ms）、建立AI辅助的实时异常预警系统。过程能力分析与控制策略优化

过程能力指数（Cp/Cpk）评估标准生物制药关键工艺参数（如发酵罐溶氧量、pH值）的过程能力指数Cp应≥1.33，Cpk应≥1.0，确保过程处于统计受控状态，满足产品质量要求。

关键工艺参数（CPP）波动分析方法采用控制图（如均值-极差图、累积和控制图）监控CPP波动，设定UCL/LCL阈值。例如某抗体药生产中，通过SPC发现纯化柱压力异常，提前更换设备避免批量报废。

基于风险的控制策略优化模型结合FMEA工具，对高风险工艺步骤（如无菌灌装）实施强化监控，将取样频率从每批1次提升至连续在线监测，使批次合格率从92%提升至98%。

持续改进的PDCA循环应用针对工艺偏差（如冻干产品残余水分超标），通过Plan（制定整改计划）、Do（实施工艺优化）、Check（验证改进效果）、Act（标准化流程）四阶段，实现过程能力持续提升。偏差处理与CAPA实施

偏差分级标准与调查流程根据对产品质量影响程度，偏差分为微小、主要和关键三级。关键偏差如可见异物超标（如某注射用头孢曲松钠批次可见异物合格率98.5%低于内控99%），需立即暂停生产，启动根本原因分析（如鱼骨图或5Why法）。

纠