專利名稱：乳制品安全風險監測預警方法
技術領域：
本發明涉及一種監測預警方法，尤其是一種乳制品安全風險監測預警方法，適用于對乳制品企業等生產管理中的問題進行預警。
背景技術：
近年來，乳制品質量安全事件頻發，這些事件暴露出我國乳制品質量安全問題比較突出，乳制品質量安全問題已嚴重影響社會主義經濟市場的健康發展和和諧社會的有序推進，對人們的身體健康和乳制品生產企業的健康發展帶來較大的負面影響。目前，乳制品生產企業對乳制品質量安全風險隱患缺乏一定的監測和控制手段，企業原乳控制、日常生產管理、產品工藝把關、出廠檢驗過程中存在深層次問題，往往出現被拒收原乳轉售他廠、爭搶奶源質量下降、管理記錄不能溯源、出廠檢驗存在造假等單靠現場監督檢查難以發現 的問題。另外，在以往的監督檢查中，由于缺乏對數據的綜合分析和企業間的橫向比較，一些企業即使弄虛作假也可能蒙混過關。

發明內容
本發明要解決的技術問題是提供一種乳制品安全風險監測預警方法，為深化風險管理工作提供了科學的技術支撐，有效遏制生產經營中的不規范行為，督促企業嚴格落實主體責任，大大提升了食品監管工作的信息化、自動化水平，促進了監管效能的提高。為解決上述技術問題，本發明所采取的技術方案是一種乳制品安全風險監測預警方法，其具體步驟如下
(1)提交數據待監測的乳制品企業按照標準的模板格式要求填寫乳制品生產加工過程中的各種數據，并將上述數據提交到上級審核部門；
(2)查看數據上級審核部門查看待監測的乳制品企業提交的數據，當上述數據有明顯錯誤時，給出錯誤說明，并通知待監測的乳制品企業重新提交數據；當上述數據沒有明顯錯誤時，進行下一步驟；
(3)預處理數據將上述數據進行數據歸一化以及數據特征選擇處理；
(4)挖掘模式數據利用聚類算法挖掘上述數據中的模式規律，利用PSO和GA算法學習具體的模型參數；
(5)決策將上述挖掘的模式數據進行自動分析，發現異常數據，根據上述分析結果進行決策；
(6)修正決策對關鍵屬性設定閾值，并計算上述關鍵屬性的實際均值或方差，然后進行人工校驗，根據校驗結果修正上述決策，并最終形成預警。上述步驟(3)中的數據歸一化利用BPNN或RBFNN算法進行處理。上述步驟(4)中的聚類算法具體為決策樹算法、遺傳算法、SVM算法、k-means算法或DBScan算法。
本發明的有益效果如下構建了分析企業生產行為合理性的科學模式，建立了質量安全關鍵指標等的自動監控預警機制，形成了發現乳制品質量安全風險隱患的高效技術手段；起到了早發現、早預警、早處置的效果，為深化風險管理工作提供了科學的技術支撐。能夠及時發現企業生產管理中的問題，有效遏制生產經營中的不規范行為，督促企業嚴格落實主體責任。大大提升了食品監管工作的信息化、自動化水平，促進了監管效能的提高；增強了針對性，使監管工作從以前的企業查問題，轉變為現在帶著問題查企業；提升了有效性，實現了從一個點上的問題發現系統性問題、從一個企業的問題發現行業性問題，從而及時發現行業中存在的所謂“潛規則”問題；節約了監管成本，很好地彌補了食品企業多、監管人員少、人員素質弱以及大量投入卻發現不了風險隱患等現實問題，達到對企業、行業的各類問題“足不出戶、盡收眼底”的監管效果。
具體實施方式

本發明所述方法主要用于監測乳制品的7類重要指標，包括關鍵質量指標(蛋白質含量、脂肪含量、冰點、干物質含量等企業自檢和監督抽檢數據)、供求價格、原乳采購和成品數量、原料與成品換算系數、拒收原乳追溯、不合格成品追溯、生產區域分布。借鑒國內外先進的食品安全風險預警模型，采用趨勢分析、比較分析、供求分析、歷史分析、地域分析、工藝分析、追溯分析7種方式，將采集到的乳制品生產企業的各種信息進行深層統計、分析，總結出乳制品生產企業的9條風險預警一般性規律
I、企業上報同批次產品自檢數據與抽檢監測數據偏離較大時，預警企業可能存在出廠不檢、先出廠后檢驗、自檢錯誤等風險。2、企業原乳或成品的關鍵質量安全指標嚴重偏離全省一般性規律時，預警可能存在非法添加、兌水稀釋、劣質原料、臨時調奶、搶奶等風險。3、企業或某區域原乳采購價格嚴重低于市場平均價格時，預警可能存在違規收購劣質原料、非法添加和群發疫病等風險。4、企業或某區域原乳采購價格波動較大時，預警可能存在區域內奶源不固定、搶奶等風險。5、企業或某區域原乳采購量與成品生產量不符時，預警可能存在非法添加或兌水稀釋等風險。6、單一原乳供應商供應給不同企業的原乳蛋白質含量、價格等出現較大偏差時，預警可能存在非法添加、劣質奶等問題。7、企業單一產品原料量和成品量實際換算系數不穩定時，預警可能存在未按工藝生產、轉銷原乳、漏報部分奶源等風險。8、企業拒收乳在其他企業被采購時，預警可能存在采購劣質原乳的情況。9、企業或某區域實際產量遠低于設計產能時，預警可能存在搶奶、違法添加、收購劣質奶等風險。下面列舉幾個利用本發明所述乳制品安全風險監測預警方法對乳制品生產企業進行監測并預警的例子。實施例I某乳制品生產企業2011年10月至12月采購生鮮乳蛋白質平均含量分別為
3.135g/100g、3. 093g/100g、3. 078g/100g，依據模糊測度和模糊積分建立回歸模型，通過遺傳算法來挖掘上述數據中的模式規律，繪制數據走勢曲線，發現這些數據呈現逐漸走低趨勢，與全省同期逐漸走高的趨勢不一致。依據上述風險預警第二條規律“企業原乳或成品的關鍵質量安全指標嚴重偏離全省一般性規律時，預警可能存在非法添加、兌水稀釋、劣質原料、臨時調奶、搶奶等風險”，預警該企業可能存在上述風險，并上報相關行政主管部門，對該企業的生產經營情況進行核實、處置。實施例2
某乳制品生產企業于2011年11月和12月采購某奶戶的生鮮乳價格為O. 29萬元/噸，同期全省平均價格為O. 34萬元/噸，利用聚類算法k-means進行異常點檢測得到模型閾值，實際比對后發現偏差達到14. 7%，超過閾值10%。依據上述風險預警第三條“企業或某區域原乳采購價格嚴重低于市場平均價格時，預警可能存在違規收購劣質原料、非法添加和群發疫病等風險”，預警該企業可能存在上述風險，并上報相關行政主管部門，對該企業的生產經營狀況進行逐一核實、處置。實施例3
某乳制品生產企業的《生產調制乳產品工藝文件》要求原料乳和成品乳換算系數為
O.8:1,實際采購原乳和成品換算系數為I. 05:1,利用k-means、DBScan等聚類算法進行異常點檢測得到模型閾值，實際比對后發現偏差達到31. 3%，超過閾值20%。依據上述風險預警第七條“企業單一產品原料量和成品量實際換算系數不穩定時，預警可能存在未按工藝生產、轉銷原乳、漏報部分奶源等風險”，預警該企業可能存在上述風險，并上報相關行政主管部門，對該企業的生產經營狀況進行核實并處置。采用上述方法后，一些被監測出問題并被查處的企業受到了極大震動，不僅及時完善了相關記錄、處理了有關責任人，而且嚴格了管理制度、加強了人員培訓、加大了檢測投入，自律意識明顯增強。
權利要求
1.一種乳制品安全風險監測預警方法，其特征在于，其方法步驟如下 (1)提交數據待監測的乳制品企業按照標準的模板格式要求填寫乳制品生產加工過程中的各種數據，并將上述數據提交到上級審核部門； (2)查看數據上級審核部門查看待監測的乳制品企業提交的數據，當上述數據有明顯錯誤時，給出錯誤說明，并通知待監測的乳制品企業重新提交數據；當上述數據沒有明顯錯誤時，進行下一步驟； (3)預處理數據將上述數據進行數據歸一化以及數據特征選擇處理； (4)挖掘模式數據利用聚類算法挖掘上述數據中的模式規律，利用PSO和GA算法學習具體的模型參數； (5)決策將上述挖掘的模式數據進行自動分析，發現異常數據，根據上述分析結果進行決策； (6)修正決策對關鍵屬性設定閾值，并計算上述關鍵屬性的實際均值或方差，然后進行人工校驗，根據校驗結果修正上述決策，并最終形成預警。
2.根據權利要求I所述的乳制品安全風險監測預警方法，其特征在于，所述步驟(3)中的數據歸一化利用BPNN或RBFNN算法進行處理。
3.根據權利要求I所述的乳制品安全風險監測預警方法，其特征在于，所述步驟(4)中的聚類算法具體為決策樹算法、遺傳算法、SVM算法、k-means算法或DBScan算法。
全文摘要
本發明公開了一種乳制品安全風險監測預警方法，其具體步驟如下乳制品生產企業提交數據；查看上述數據是否存在明顯錯誤；對準確無誤的數據進行預處理；挖掘模式數據；將上述挖掘的模式數據進行自動分析，發現異常數據，根據上述分析結果進行決策；修正決策，形成預警。本發明的有益效果如下構建了分析企業生產行為合理性的科學模式，建立了質量安全關鍵指標等的自動監控預警機制為深化風險管理工作提供了科學的技術支撐；能夠及時發現企業生產管理中的問題，有效遏制生產經營中的不規范行為，督促企業嚴格落實主體責任；大大提升了食品監管工作的信息化、自動化水平，促進了監管效能的提高。
文檔編號G06Q10/06GK102930373SQ201210372938
公開日2013年2月13日 申請日期2012年9月29日 優先權日2012年9月29日
發明者張巖, 李揮, 李強, 王麗霞, 張敬軒, 黎彤亮, 趙懷宇, 王程 申請人:河北省食品質量監督檢驗研究院