CN112258081A - 一种食品企业个性化风险分级管控方法及系统 - Google Patents
一种食品企业个性化风险分级管控方法及系统 Download PDFInfo
- Publication number
- CN112258081A CN112258081A CN202011217548.3A CN202011217548A CN112258081A CN 112258081 A CN112258081 A CN 112258081A CN 202011217548 A CN202011217548 A CN 202011217548A CN 112258081 A CN112258081 A CN 112258081A
- Authority
- CN
- China
- Prior art keywords
- risk
- food
- score
- data
- enterprise
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 235000013305 food Nutrition 0.000 title claims abstract description 264
- 238000000034 method Methods 0.000 title claims abstract description 104
- 238000012545 processing Methods 0.000 claims abstract description 79
- 238000004519 manufacturing process Methods 0.000 claims abstract description 63
- 230000008569 process Effects 0.000 claims abstract description 61
- 238000013210 evaluation model Methods 0.000 claims abstract description 22
- 238000007726 management method Methods 0.000 claims description 61
- 238000004140 cleaning Methods 0.000 claims description 49
- 239000000654 additive Substances 0.000 claims description 16
- 230000000996 additive effect Effects 0.000 claims description 15
- 230000003068 static effect Effects 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 11
- 235000013361 beverage Nutrition 0.000 claims description 10
- 239000002994 raw material Substances 0.000 claims description 10
- 239000000463 material Substances 0.000 claims description 9
- 235000012054 meals Nutrition 0.000 claims description 9
- 230000000249 desinfective effect Effects 0.000 claims description 8
- 239000002778 food additive Substances 0.000 claims description 8
- 235000013373 food additive Nutrition 0.000 claims description 8
- 235000015219 food category Nutrition 0.000 claims description 8
- 230000009467 reduction Effects 0.000 claims description 8
- 230000001105 regulatory effect Effects 0.000 claims description 8
- 230000001276 controlling effect Effects 0.000 claims description 7
- 230000007704 transition Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 12
- 230000001681 protective effect Effects 0.000 description 49
- 239000000428 dust Substances 0.000 description 40
- 230000017525 heat dissipation Effects 0.000 description 37
- 238000007689 inspection Methods 0.000 description 11
- 238000004458 analytical method Methods 0.000 description 10
- 238000011156 evaluation Methods 0.000 description 9
- 241000883990 Flabellum Species 0.000 description 5
- 230000033228 biological regulation Effects 0.000 description 5
- 238000013461 design Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 239000003292 glue Substances 0.000 description 4
- 238000005065 mining Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 230000002776 aggregation Effects 0.000 description 3
- 238000004220 aggregation Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 230000002265 prevention Effects 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000012954 risk control Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 239000012141 concentrate Substances 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000008021 deposition Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 230000001815 facial effect Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000011068 loading method Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 238000001179 sorption measurement Methods 0.000 description 2
- 238000004659 sterilization and disinfection Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 210000003781 tooth socket Anatomy 0.000 description 2
- 238000012384 transportation and delivery Methods 0.000 description 2
- 235000013311 vegetables Nutrition 0.000 description 2
- 208000019331 Foodborne disease Diseases 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 244000046052 Phaseolus vulgaris Species 0.000 description 1
- 235000010627 Phaseolus vulgaris Nutrition 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 235000021107 fermented food Nutrition 0.000 description 1
- 235000013312 flour Nutrition 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000011059 hazard and critical control points analysis Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 229910001385 heavy metal Inorganic materials 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 244000144972 livestock Species 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 244000000010 microbial pathogen Species 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 231100000614 poison Toxicity 0.000 description 1
- 244000144977 poultry Species 0.000 description 1
- 235000013594 poultry meat Nutrition 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000003303 reheating Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000003440 toxic substance Substances 0.000 description 1
- 231100000027 toxicology Toxicity 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 239000000273 veterinary drug Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24552—Database cache management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/254—Extract, transform and load [ETL] procedures, e.g. ETL data flows in data warehouses
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/12—Hotels or restaurants
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Computational Linguistics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种食品企业个性化风险分级管控方法及系统，涉及食品安全智能处理领域，所述方法包括：建立食品生产经营全程风险信息库；建立风险分级评价模型；从食品生产经营全程风险信息库中采集食品企业数据；基于食品企业数据和风险分级评价模型，获得食品企业风险分级结果；基于食品企业风险分级结果生成对应的管控方法。实现了食品企业风险分级合理、准确，要素识别充分完善的技术效果。
Description
技术领域
本发明涉及食品安全领域，具体地，涉及一种食品企业个性化风险分级管控方法及系统。
背景技术
目前全国范围内全面推行餐饮服务食品安全监督量化分级管理。随之，许多省、市、自治区根据各地区餐饮企业的实际情况，陆续制定了区域性的餐饮服务食品安全监管量化分级管理工作实施意见和等级评定标准。量化分级管理工作的实施，对强化风险控制，实施重点监管，促进餐饮服务经营者管理水平不断提高，减少食源性疾病的发生起到了积极的促进作用。
但是现有的方式是基于评定表对许可管理、人员管理、场所环境、设施设备、采购贮存、加工制作、清洗消毒、食品添加剂和检验运输等方面的内容进行检查，对被检查餐饮单位食品安全管理状况进行量化评定。但该等级评定表，检查内容栏目只是“是否符合要求”，缺乏具体判定方法，可操作性不强，而且多个方面的内容赋值均为相同的分值，没有差异化考虑各个方面对企业食品安全风险的影响程度，导致评级分值并不能够准确的反映实际情况，评级不准确。
各省市自治区的等级评定标准在原食药总局评定标准的基础之上进行了不同程度的改进，检查项目与评分标准更加细化和有操作性。但仍然存在不同程度的问题。其中普遍存在的问题是：
1)没有充分考虑不同检查项目对餐饮企业食品安全风险的影响程度，各项目赋值不尽合理。2.对餐饮企业加工过程中可能影响食品安全的要素识别不够充分。3.没有充分识别新的餐饮加工过程(如外卖、送餐、运输)中影响食品安全的要素。4.较少关注餐饮业态风险和餐饮食品风险对餐饮企业风险的影响。
因此，现有的食品企业风险分级存在分级不合理，要素识别不充分，分级不准确的问题。
发明内容
为了解决上述问题，本发明提供了一种食品企业个性化风险分级管控方法及系统，实现了食品企业风险分级合理、准确，要素识别充分完善的技术效果。
为实现上述目的，本发明一方面提供了一种食品企业个性化风险分级管控方法，所述方法包括：
建立食品生产经营全程风险信息库；
建立风险分级评价模型；
从食品生产经营全程风险信息库中采集食品企业数据；
基于食品企业数据和风险分级评价模型，获得食品企业风险分级结果；
基于食品企业风险分级结果生成对应的管控方法。
其中，本方法通过建立食品生产经营全程风险信息库能够准确完善的获得食品企业数据，进而为分级提供准确全面的数据基础，然后本方法建立风险分级评价模型，风险分级评价模型考虑了多个方面的因素，各项目赋值合理，对餐饮企业加工过程中可能影响食品安全的要素充分识别，能够充分识别新的餐饮加工过程(如外卖、送餐、运输)中影响食品安全的要素，能够关注餐饮业态风险和餐饮食品风险对餐饮企业风险的影响，进而实现了食品企业风险分级合理、准确，要素识别充分完善的技术效果，进而通过食品企业风险分级结果生成对应的管控方法，实现食品安全的有效管控。
其中，本方法中，食品企业风险分级结果包括：餐饮业态风险分级结果、餐饮食品风险分级结果、餐饮加工过程风险分级结果和餐饮企业风险分级结果。
其中，本方法中，风险分级评价模型包括：
餐饮业态风险分级子模型，用于获得餐饮业态风险分值Y，基于风险分值Y和分级对应表获得对应的风险分级结果；
餐饮食品风险分级子模型，用于获得餐饮食品风险分值S，基于风险分值S和分级对应表获得对应的风险分级结果；
餐饮加工过程风险分级子模型，用于获得餐饮加工过程风险分值J，基于风险分值J和分级对应表获得对应的风险分级结果；
餐饮企业风险分级子模型，用于获得餐饮企业风险分值Q，基于风险分值Q和分级对应表获得对应的风险分级结果。
其中，本方法中餐饮业态风险分值Y＝Y1+Y2+Y3+Y4+Y5；Y1为消费人群风险等级分值；Y2为一次性就餐人数风险等级分值；Y3为食品售卖方式风险等级分值；Y4为经营食品种类复杂程度风险等级分值；Y5为食品安全管理水平风险等级分值；
餐饮食品风险分值S＝S1+S2+S3+S4+S5；S1为加工方式风险等级分值；S2为食品主要原料属性风险等级分值；S3为是否使用食用添加剂及添加量风险等级分值；S4为是否高温易腐食品风险等级分值；S5为监管结果风险等级分值；
加工过程风险分值计算方法J＝J1+J2+J3+J4+J5+J6；J1为食品安全管理风险等级分值；J2为建筑布局和设施设备风险等级分值；J3为原辅料添加剂管理风险等级分值；J4为加工制作风险等级分值；J5为清洗消毒风险等级分值；J6为风险降低项目风险等级分值；
餐饮企业加工风险分值Q＝Y+S+J。
优选的，建立食品生产经营全程风险信息库，具体包括：
制定食品生产经营相关部门数据与信息库的数据交换规范；
制定食品生产经营相关部门数据与信息库的数据交换接口规范；
建立数据仓库平台；
基于数据交换规范和数据交换接口规范，从食品经营相关部门中采集与食品生产经营相关的静态数据和动态数据；
对采集的静态数据和动态数据进行标准化处理，将处理后的数据存储在数据仓库平台中；
基于数据仓库平台建立信息库。
其中，我国食品安全长期以来是多个部分进行各自管理，每个部门有各自的管理方式和数据，导致企业食品管理混乱，各级部门监管平台数据相互独立，无法实现数据共享。
为了解决现有食品生产经营管理混乱，数据无法实现共享的问题，通过建立食品生产经营全程风险信息库，通过食品生产经营全程风险信息库能够对食品生产经营进行有效管理，以及实现食品生产经营数据共享。
食品企业风险信息库由食品生产经营全过程的动态数据和静态数据构成，静态数据由标准化权威性的知识体系、食品相关污染知识、食品风险控制措施及监管部门生产许可、经营许可和餐饮许可等内容组成。食品生产经营动态数据又分企业生产经营数据、监管部门监督抽查行政执法和行业发展的网络数据等组成。
优选的，数据仓库平台包括：
ODS层，用于与若干数据源建立连接，对若干个数据源的数据进行集成，作为数据仓库平台的数据处理的过渡；
数据仓库层，用于对ODS层中采集的相关数据进行处理；
应用层，基于数据仓库层应用层根据预设需求建立数据集市，基于数据集市建立各类食品企业知识库。
其中，本发明中食品安全相关的数据采集、挖掘、分析和监控预警等时间长、占比高，对数据质量要求比较高，一些基础数据的计算复杂度大、耗时长，不利于日常数据查询分析。通过设计构建Hadoop的异构型数据仓库体系结构，对数据进行清洗，可以有效的提高数据处理的效率和质量，满足课题研究的各种分析需求。数据仓库体系结构主要分为ODS层、DWD层以及DWS层。
优选的，本方法通过网络爬虫脚本从食品生产经营相关部门抓取食品经营企业相关数据；其中，My SQL结构化数据通过脚本程序同步到缓冲数据层；非结构化数据通过Flume/Kafka将数据通过到Hbase中，本方法能通过Spark和Hbase的整合完成数据分析和操作，或者直接存储到HDFS上；本方法使用Elastic Search完成搜索工作，通过SQL语句查询Hbase数据中有关食品的相关数据，然后通过数据过滤，获取食品经营企业的来源数据，根据来源数据建立起食品企业知识库。
优选的，静态数据包括：法律法规数据、食品相关知识数据、食品监管部门第一预设数据和指标清单数据；动态数据包括：食品企业生产经营数据、食品监管部门第二预设数据、网络数据和食品安全动态数据。
另一方面，本发明还提供了一种食品企业个性化风险分级管控系统，所述系统包括：
第一建立单元，用于建立食品生产经营全程风险信息库；
第二建立单元，用于建立风险分级评价模型；
数据采集单元，用于从食品生产经营全程风险信息库中采集食品企业数据；
分级单元，用于基于食品企业数据和风险分级评价模型，获得食品企业风险分级结果；
管控单元，用于基于食品企业风险分级结果生成对应的管控方法。
优选的，风险分级评价模型包括：
餐饮业态风险分级子模型，用于获得餐饮业态风险分值Y，基于风险分值Y和分级对应表获得对应的风险分级结果；
餐饮食品风险分级子模型，用于获得餐饮食品风险分值S，基于风险分值S和分级对应表获得对应的风险分级结果；
餐饮加工过程风险分级子模型，用于获得餐饮加工过程风险分值J，基于风险分值J和分级对应表获得对应的风险分级结果；
餐饮企业风险分级子模型，用于获得餐饮企业风险分值Q，基于风险分值Q和分级对应表获得对应的风险分级结果。
优选的，餐饮业态风险分值Y＝Y1+Y2+Y3+Y4+Y5；Y1为消费人群风险等级分值；Y2为一次性就餐人数风险等级分值；Y3为食品售卖方式风险等级分值；Y4为经营食品种类复杂程度风险等级分值；Y5为食品安全管理水平风险等级分值；
餐饮食品风险分值S＝S1+S2+S3+S4+S5；S1为加工方式风险等级分值；S2为食品主要原料属性风险等级分值；S3为是否使用食用添加剂及添加量风险等级分值；S4为是否高温易腐食品风险等级分值；S5为监管结果风险等级分值；
加工过程风险分值计算方法J＝J1+J2+J3+J4+J5+J6；J1为食品安全管理风险等级分值；J2为建筑布局和设施设备风险等级分值；J3为原辅料添加剂管理风险等级分值；J4为加工制作风险等级分值；J5为清洗消毒风险等级分值；J6为风险降低项目风险等级分值；
餐饮企业加工风险分值Q＝Y+S+J。
优选的，建立食品生产经营全程风险信息库，具体包括：
制定食品生产经营相关部门数据与信息库的数据交换规范；
制定食品生产经营相关部门数据与信息库的数据交换接口规范；
建立数据仓库平台；
基于数据交换规范和数据交换接口规范，从食品经营相关部门中采集与食品生产经营相关的静态数据和动态数据；
对采集的静态数据和动态数据进行标准化处理，将处理后的数据存储在数据仓库平台中；
基于数据仓库平台建立信息库。
优选的，由于数据仓库平台中数据较多，因此本发明设计了相应的服务器进行存储和运行，数据仓库平台中设有若干服务器，服务器安装在预设机柜中，预设机柜中设有散热扇，用于对机柜中的服务器进行散热；而服务器在日常运行中需要进行散热，若散热不好则服务器温度过高将会影响服务器的运行。
传统的散热扇是利用电机带动扇叶转动产生气流进行扇热，散热扇的叶片具有弧度，叶片的弧度是指扇叶在俯视平面内并非沿着径向笔直延伸，而是向着旋转方向略有弯曲，呈一定弧度。这种弧度的作用是非常重要的，这保证了吹出气流的集中。这对于一款散热器来说也是非常必要的。风扇的扇叶设计成弧形，风可以垂直排出，进而对预设区域进行集中散热，如服务器的主板等，而上述设计存在一个弊端，在使用的过程中，风扇的叶片内、外通常也会堆积大量灰尘，由于叶片是具有弧度的，无法直接使用擦拭工具一次性擦拭，因为只能够擦拭到上表面，无法擦拭叶片的两个具有弧度的侧面，而这两个面堆积的灰尘最多，现在的清洁方式是用手抵住叶片逐一用毛刷掸去叶片上的积灰，然后用湿布将风扇内侧擦净。即每次清洁都需要人工对每个叶片分别进行擦拭，一方面清洁效率低，需要耗费较多的人力，特别是大型设备具有的散热扇很多，另一方面，人工清洁效率低，导致服务器缺乏散热的时间较长，不利于服务器的运行，个别服务器还需要关闭服务器才能清洁，这导致服务器停机时间延长。为了解决上述问题，本发明设计改进了风扇，使得风扇清洁速度快，无需人工进行清洁，省时省力，且清洁效率高，减少了服务器缺少散热运行的时间，也减少了服务器停机的时间。
所述散热扇包括：固定框架、底座、第一电机、圆盘、若干扇叶和若干扇叶安装结构；
底座通过支架固定在固定框架内，第一电机下端固定在底座上，第一电机上端的转动轴与圆盘底部中部固定连接，若干扇叶安装结构均匀分布在圆盘侧面，扇叶安装结构与圆盘侧面固定连接；
每个扇叶对应一个扇叶安装结构，扇叶安装结构包括：外壳、第一圆筒、第二圆筒、防护膜、第二电机、第一旋转轴、第一限位板、第二限位板、第三限位板、第四限位板、若干弹性卡条和控制器；
第二电机、第一圆筒和第二圆筒均位于外壳内，外壳与圆盘侧面固定连接，第一圆筒下端设有转动孔，第一旋转轴下端与外壳内底面固定连接，第一旋转轴上端插入转动孔内，第一圆筒能够绕第一旋转轴转动，第一圆筒下表面为齿形，弹性卡条上端与第一圆筒下表面接触，弹性卡条下端与外壳内底面固定连接，若干弹性卡条均匀分布在第一旋转轴四周；第二电机下端固定在外壳内底面，第二电机上端的输出轴与第二圆筒的下端固定连接，外壳上设有用于防护膜穿过的第一缺口和第二缺口，第一缺口与第一圆筒的位置对应，第二缺口与第二圆筒的位置对应，扇叶具有首端和尾端，扇叶尾端与第一缺口和第二缺口之间的外壳表面固定连接，第一限位板和第二限位板分别固定在扇叶左侧的首端和尾端，第三限位板和第四限位板分别固定在扇叶右侧的首端和尾端，第一至第四限位板上均设有用于防护膜穿过的镂空区域；防护膜一端与第一圆筒外表面固定连接，防护膜在第一圆筒上缠绕若干圈后另一端依次穿过第二限位板上的镂空区域、第一限位板上的镂空区域、第三限位板上的镂空区域和第四限位板上的镂空区后与第二圆筒外表面固定连接；
控制器用于基于清洁指令对第一电机和第二电机进行控制；
所述扇热扇的清洁过程为：
控制器接收到清洁指令，并基于清洁指令停止第一电机；
然后控制器开启第二电机转动预设圈数后停止第二电机；
然后控制器开启第一电机，并返回清洁完成消息。
其中，本发明中的散热扇的工作原理为：当不需要进行清洁时，散热扇处于正常工作状态，第一电机通电带动圆盘转动，圆盘转动带动扇叶安装结构转动，扇叶安装结构带动扇叶转动，进而产生气流进行散热。
当扇叶上堆积灰尘需要进行清洁时：
控制器接收到清洁指令，并基于清洁指令停止第一电机，清洁指令可以是用户主动发出，也可以是定时发出；然后控制器开启第二电机转动预设圈数后停止第二电机；然后控制器开启第一电机，并返回清洁完成消息。
本发明的原理是用防护膜对扇叶进行防尘，使用时灰尘堆积在扇叶外的防护膜上，当需要进行清洁时，散热扇停止转动，第二电机转动，进而使得防护膜缠绕在第二圆筒上，进而使得表面有灰尘的防护膜缠绕在第二圆筒上，而将没有灰尘的表面干净的防护膜拉出，即将原本缠绕在第一圆筒上干净的防护膜拉出替换原本使用后堆积有灰尘的防护膜，实现了间接除尘，上述过程快速，只需要第二电机转动预设圈数即可，转动的圈数可以根据扇叶的长度和面积以及暴露在外面的保护膜长度进行调整，目的是将堆积有灰尘的防护膜更换为后续没有使用干净的防护膜，且不需要传统的人工每个扇叶进行清洁，省时省力效率较高，且上述过程清洁速度快，无需对服务器进行停机，散热扇关闭的时间也较短，服务器没有相应的散热风险。
在实现上述过程中，发明人还研发发现，若保护膜没有处于紧绷状态，呈现松散状态，则会在散热扇转动时容易飘起来与其他部件产生缠绕进而导致散热扇故障，因此，发明人研究发现防护膜不能松动，需要紧绷，不然起不到对扇叶进行防尘的效果，还容易造成扇叶之间缠绕，然后打结不能转到，本结构利用弹性卡条可以在第二电机不转动时对第一圆筒进行固定，防止其转动，使得防护膜处于紧绷状态，便于对扇叶进行防尘以及吸附灰尘，以及防止其未紧绷，伸出长度过长，造成与其他部件的缠绕，固定时利用弹性卡件上端插入第一圆筒下端的齿槽中形成卡持固定，当第二电机转动时，由于弹簧卡件具有弹性，第一圆筒在拉力的作用下克服弹性开始转动，实现防护膜的拉出，更新出新的未积累灰尘的防护膜，实现防护膜积累灰尘区域的更换，安全性更高，具有更强的实用性和适用性。
其中，本发明为了使得防护膜能够良好的贴合扇叶，对扇叶进行防尘保护，本发明设计了第一旋转轴、第一限位板、第二限位板、第三限位板、第四限位板，第一旋转轴、第一限位板、第二限位板、第三限位板、第四限位板上设有镂空区域，通过将防护膜穿过上述限位板的镂空区域，实现了防护膜对扇叶的覆盖，实现了对扇叶的防尘保护。
优选的，防护膜表面设有用于吸尘的胶层。利用胶层可以对灰尘进行吸附，使得除尘效果更佳。
本发明提供的一个或多个技术方案，至少具有如下技术效果或优点：
实现了对食品企业风险分级合理、准确，要素识别充分完善的技术效果，进而通过食品企业风险分级结果生成对应的管控方法，实现食品安全的有效管控。
通过建立食品生产经营全程风险信息库，通过食品生产经营全程风险信息库能够对食品生产经营进行有效管理，以及实现食品生产经营数据共享。
本发明存储数据以及运行的服务器设有特殊设计的散热扇，本发明设计改进了风扇，使得风扇清洁速度快，无需人工进行清洁，省时省力，且清洁效率高，减少了服务器缺少散热运行的时间，也减少了服务器停机的时间。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本发明的一部分，并不构成对本发明实施例的限定；
图1为食品企业个性化风险分级管控方法流程示意图；
图2为食品企业个性化风险分级管控系统的组成示意图；
图3是数据仓库体系结构示意图；
图4为散热扇的结构示意图；
图5为扇叶安装结构的结构示意图；
图6为第一圆筒的安装示意图；
图7为第二圆筒的安装示意图；
其中，1-固定框架，2-底座，3-第一电机，4-圆盘，5-扇叶，6-扇叶安装结构，7-外壳，8-第一圆筒，9-第二圆筒，10-防护膜，11-第一限位板，12-第二限位板，13-第三限位板，14-第四限位板，15-外壳内底面，16-第一旋转轴，17-弹性卡条，18-第二电机。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在相互不冲突的情况下，本发明的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述范围内的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
本领域技术人员应理解的是，在本发明的揭露中，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系是基于附图所示的方位或位置关系，其仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此上述术语不能理解为对本发明的限制。
可以理解的是，术语“一”应理解为“至少一”或“一个或多个”，即在一个实施例中，一个元件的数量可以为一个，而在另外的实施例中，该元件的数量可以为多个，术语“一”不能理解为对数量的限制。
实施例一
请参考图1，图1为食品企业个性化风险分级管控方法流程示意图，本发明实施例一提供了一种食品企业个性化风险分级管控方法，所述方法包括：
建立食品生产经营全程风险信息库；
建立风险分级评价模型；
从食品生产经营全程风险信息库中采集食品企业数据；
基于食品企业数据和风险分级评价模型，获得食品企业风险分级结果；
基于食品企业风险分级结果生成对应的管控方法。
其中，在本发明实施例一中，食品企业风险分级结果包括：餐饮业态风险分级结果、餐饮食品风险分级结果、餐饮加工过程风险分级结果和餐饮企业风险分级结果。
其中，在本发明实施例一中，风险分级评价模型包括：
餐饮业态风险分级子模型，用于获得餐饮业态风险分值Y，基于风险分值Y和分级对应表获得对应的风险分级结果；
餐饮食品风险分级子模型，用于获得餐饮食品风险分值S，基于风险分值S和分级对应表获得对应的风险分级结果；
餐饮加工过程风险分级子模型，用于获得餐饮加工过程风险分值J，基于风险分值J和分级对应表获得对应的风险分级结果；
餐饮企业风险分级子模型，用于获得餐饮企业风险分值Q，基于风险分值Q和分级对应表获得对应的风险分级结果。
其中，在本发明实施例一中，餐饮业态风险分值Y＝Y1+Y2+Y3+Y4+Y5；Y1为消费人群风险等级分值；Y2为一次性就餐人数风险等级分值；Y3为食品售卖方式风险等级分值；Y4为经营食品种类复杂程度风险等级分值；Y5为食品安全管理水平风险等级分值；
餐饮食品风险分值S＝S1+S2+S3+S4+S5；S1为加工方式风险等级分值；S2为食品主要原料属性风险等级分值；S3为是否使用食用添加剂及添加量风险等级分值；S4为是否高温易腐食品风险等级分值；S5为监管结果风险等级分值；
加工过程风险分值计算方法J＝J1+J2+J3+J4+J5+J6；J1为食品安全管理风险等级分值；J2为建筑布局和设施设备风险等级分值；J3为原辅料添加剂管理风险等级分值；J4为加工制作风险等级分值；J5为清洗消毒风险等级分值；J6为风险降低项目风险等级分值；
餐饮企业加工风险分值Q＝Y+S+J。
其中，本实施例中风险分级评价依据包括：包括法律/法规/标准/技术规范的符合性、食品种类风险级别、产品检验结果、企业巡查是否存在不符合项、是否被行政处罚、是否被投诉等相关内容。
餐饮企业风险分级确定原则：按照餐饮业态类别风险分级、餐饮食品风险分级、餐饮加工过程风险分级相结合的原则确定餐饮企业风险分级。根据餐饮企业风险分值确定餐饮企业风险分级，风险分值越高，企业风险越高。
确定餐饮业态风险分值Y和风险分级：
餐饮业态类别风险分值影响子要素：消费人群Y1、一次性就餐人数Y2、食品售卖方式Y3、经营食品种类复杂程度Y4、食品安全管理水平Y5。给每个子要素赋予风险分值，最高2分。
餐饮业态风险分值和风险等级评定方式是：查表评定,通过查表方式评定餐饮业态类别风险分值和等级，见表1；计算评定,对于表1中未列的餐饮业态，计算风险分值，将计算所得分值Y带入表1中，得到该餐饮业态对应的风险等级(风险等级按计算出的风险分值与表中最接近的风险值对应的风险等级确定)。
餐饮业态风险分值计算方法：Y＝Y1+Y2+Y3+Y4+Y5；Y1为消费人群风险等级分值；Y2为一次性就餐人数风险等级分值；Y3为食品售卖方式风险等级分值；Y4为经营食品种类复杂程度风险等级分值；Y5为食品安全管理水平风险等级分值。
表1餐饮业态风险分值Y和等级
确定餐饮食品风险分值S和风险分级：
餐饮食品风险分值影响子要素：加工方式S1、食品主要原料属性S2、是否使用食用添加剂及添加量S3、是否高温易腐食品S4、监管结果S5。给每个子要素赋予风险分值，最高2分。
餐饮食品风险分值和风险等级评定方式：查表评定，通过查表方式评定餐饮食品风险分值和等级，见表2；计算评定，对于表2中未列的餐饮食品，计算风险分值，将计算所得分值S带入表2中，得到该餐饮食品对应的风险等级(风险等级按计算出的风险分值与表中最接近的风险值对应的风险等级确定)。
餐饮食品风险分值计算方法，S＝S1+S2+S3+S4+S5，S1为加工方式风险等级分值；S2为食品主要原料属性风险等级分值；S3为是否使用食用添加剂及添加量风险等级分值；S4为是否高温易腐食品风险等级分值；S5为监管结果风险等级分值。
表2餐饮食品风险分值S和等级
其中对于一个餐饮企业加工多种产品的，取风险等级分值最高的产品。
确定餐饮加工过程风险分值J和风险等级：
确定对加工过程有影响的因素：食品安全管理J1、建筑布局、设施设备J2、原辅料添加剂管理J3、加工制作J4、清洗消毒J5、风险降低项目J6。
加工过程风险分值和等级评定方式：通过现场核查评分方式确定餐饮业态加工食品风险分值J。根据每个因素对加工过程的影响程度大小，赋予每个因素不同的最高分值，其中J1最高8.8分，J2最高11.8分，J3最高5.7分，J4最高52.2分，J5最高3.5分，J6最高-2分，再通过查表3得到餐饮加工过程对应的风险等级。
加工过程风险分值计算方法J＝J1+J2+J3+J4+J5+J6，J1为食品安全管理风险等级分值；J2为建筑布局和设施设备风险等级分值；J3为原辅料添加剂管理风险等级分值；J4为加工制作风险等级分值；J5为清洗消毒风险等级分值；J6为风险降低项目风险等级分值。
表3餐饮加工过程食品风险等级和分值区
| 分值区间(J) | 风险等级 | 备注 |
| 0～20分 | 低风险 | |
| 21～40分 | 中等风险 | |
| 41～70分 | 高风险 | |
| 71-82分 | 极高风险 |
确定餐饮企业风险分值Q和风险等级：
计算企业加工风险等级分值Q：结合餐饮业态类别风险等级分值(Y)、餐饮食品风险等级分值(S)、加工过程风险等级分值(J)，计算企业加工风险等级分值Q。根据计算得到的Q值，查表4，可得到评定企业风险等级R。
餐饮企业加工风险分值计算方法Q＝Y+S+，Q为餐饮企业风险等级分值；Y为餐饮业态分类风险等级分值；S为餐饮食品风险等级分值；J为餐饮企业加工过程风险等级分值。
表4餐饮企业食品风险等级R和分值区表
| 分值区间(Q) | 餐饮企业风险等级R | 备注 |
| 6～40分 | 低风险R1 | |
| 41～60分 | 中等风险R2 | |
| 61～90分 | 高风险R3 | |
| 91-102分 | 极高风险R4 |
其中，餐饮加工企业如在过去12个月之内发生食品安全事故、产品监督抽检不合格或被监管部门行政处罚的，餐饮企业风险上调一个等级。
其中，本实施例中的食品企业个性化风险分级具有以下特点：
1)识别了企业风险的组成因素。本发明识别了餐饮企业风险的三大组成因素：餐饮业态风险、餐饮食品风险、餐饮加工过程风险。
2)风险分值赋值合理。通过梳理最新餐饮相关法律法规、标准，运用HACCP原理，全面分析、评估了餐加工过程中影响食品安全的风险要素，根据各个要素的影响程度，赋予每个要素相应的风险分值。对加工过程中的关键控制点(原辅料验收、热加工、专间操作、高温易腐食品的储藏/再加热，外卖、配送过程中的储藏、运输等)和重要环节(设备管理、清洗消毒、虫鼠害防治、留样管理等)对应的要素，赋予较高风险分值。
3)设置了风险分值减分项。对国家法律法规提倡和鼓励的餐饮服务活动对应的要素，赋予风险分值负值，为减分项。
实施例二
请参考图2，图2为食品企业个性化风险分级管控系统的组成示意图，本发明实施例二提供了一种食品企业个性化风险分级管控系统，所述系统包括：
第一建立单元，用于建立食品生产经营全程风险信息库；
第二建立单元，用于建立风险分级评价模型；
数据采集单元，用于从食品生产经营全程风险信息库中采集食品企业数据；
分级单元，用于基于食品企业数据和风险分级评价模型，获得食品企业风险分级结果；
管控单元，用于基于食品企业风险分级结果生成对应的管控方法。
其中，在本发明实施例中，风险分级评价模型包括：
餐饮业态风险分级子模型，用于获得餐饮业态风险分值Y，基于风险分值Y和分级对应表获得对应的风险分级结果；
餐饮食品风险分级子模型，用于获得餐饮食品风险分值S，基于风险分值S和分级对应表获得对应的风险分级结果；
餐饮加工过程风险分级子模型，用于获得餐饮加工过程风险分值J，基于风险分值J和分级对应表获得对应的风险分级结果；
餐饮企业风险分级子模型，用于获得餐饮企业风险分值Q，基于风险分值Q和分级对应表获得对应的风险分级结果。
其中，在本发明实施例中，餐饮业态风险分值Y＝Y1+Y2+Y3+Y4+Y5；Y1为消费人群风险等级分值；Y2为一次性就餐人数风险等级分值；Y3为食品售卖方式风险等级分值；Y4为经营食品种类复杂程度风险等级分值；Y5为食品安全管理水平风险等级分值；
餐饮食品风险分值S＝S1+S2+S3+S4+S5；S1为加工方式风险等级分值；S2为食品主要原料属性风险等级分值；S3为是否使用食用添加剂及添加量风险等级分值；S4为是否高温易腐食品风险等级分值；S5为监管结果风险等级分值；
加工过程风险分值计算方法J＝J1+J2+J3+J4+J5+J6；J1为食品安全管理风险等级分值；J2为建筑布局和设施设备风险等级分值；J3为原辅料添加剂管理风险等级分值；J4为加工制作风险等级分值；J5为清洗消毒风险等级分值；J6为风险降低项目风险等级分值；
餐饮企业加工风险分值Q＝Y+S+J。
其中，在本发明实施例中，建立食品生产经营全程风险信息库，具体包括：
制定食品生产经营相关部门数据与信息库的数据交换规范；
制定食品生产经营相关部门数据与信息库的数据交换接口规范；
建立数据仓库平台；
基于数据交换规范和数据交换接口规范，从食品经营相关部门中采集与食品生产经营相关的静态数据和动态数据；
对采集的静态数据和动态数据进行标准化处理，将处理后的数据存储在数据仓库平台中；
基于数据仓库平台建立信息库。
其中，数据交换规范和交换数据接口规范的制定包括：
针对食品生产、流通、餐饮链条长、环节多，现有食品安全追溯召回中普遍存在数据颗粒度大、来源多样化、接口不统一等问题，造成全程数据分散化，通过研究并制定相应的规范，对农业、市场监管、卫健委等部门的食品安全相关检验检测数据进行汇聚融合，进行标准化、结构化等数据治理，为模型建立、平台研发提供基础数据保障。
基础数据汇聚：
静态数据包括：
1)法律法规数据，包括食品安全相关法律、法规、标准、技术规范等，收集汇聚数据2285条。
2)食品相关知识数据，包括经验信息、如食品污染知识、食品风险控制措施等。采集汇聚数据600多条。
3)监管部门数据，包括市场主体数据、行政许可等。采集汇聚数据18万条。
4)梳理了农药兽药残留、致病性微生物、化学性有害有毒物质、非法添加、重金属、毒理学等指标清单。
动态数据OK：
1)食品企业生产经营数据，包括原料、生产过程、过程检验和出厂检验、进销存、物流信息等。采集汇聚数据30多万条。
2)监管部门数据，包括日常巡查、风险监测、监督抽检、行政执法、快检等。采集汇聚200多万条。
3)网络数据，如行业发展、网络舆情、用户评价、媒体信息等。采集汇聚数据50多万条。
4)其他食品安全动态数据10万条。
数据标准化处理：
基于现有食品安全标准规范和课题制定标准规范，通过数据抽取、清洗、转换、加载、编码等数据治理技术，对采集汇聚的数据加工处理，形成了标准化、结构化、编码化的基础数据。
数据仓库平台建设：
在实施例中食品安全相关的数据采集、挖掘、分析和监控预警等时间长、占比高，对数据质量要求比较高，一些基础数据的计算复杂度大、耗时长，不利于日常数据查询分析。通过设计构建Hadoop的异构型数据仓库体系结构，对数据进行清洗，可以有效的提高数据处理的效率和质量，满足实际应用各种分析需求。数据仓库体系结构主要分为ODS层、DWD层以及DWS层，具体体系结构如图3所示。
从图3中可以看出数据仓库的体系结构包括：
2ODS(Operation DataStore)层：
最底层为ODS(Operation DataStore)层，是后续数据仓库层加工数据的来源，它是面向主题的、集成的、可变的、当前的细节级别数据的集合层，用于支持实时性的、操作性的、集成的各种信息的需求。常被作为数据仓库的数据处理的过渡，以降低直接进行数据处理的复杂度。
数据仓库层(DW：Data Warehouse)：
数据仓库层是构建Hadoop数据平台的主体内容，主要对采集的食品安全相关进行ETL清洗、转换、加载。
数据集市(DataMart)：
在DW的基础上，应用层根据食品安全生产经营过程分析挖掘需求建立自己的数据集市(DataMart)。并通过此技术建立各类食品企业知识库。
典型食品企业知识库：
通过网络爬虫脚本抓取典型食品企业知识数据。My SQL结构化数据通过脚本程序同步到缓冲数据层；非结构化数据通过Flume/Kafka将数据通过到Hbase中，并且能通过Spark和Hbase的整合完成数据分析和操作，或者直接存储到HDFS上。使用Elastic Search完成搜索工作，通过SQL语句查询Hbase数据中有关典型食品的相关数据，然后通过数据过滤技术，获取典型食品企业知识的来源数据，再根据这些数据建立起四类典型食品企业知识库。
典型食品知识图谱：
针对食品生产经营全过程的静态、动态数据，通过数据汇聚及数据的标准化处理形成食品企业知识库，再形成食品图谱。以传统发酵食品中郫县豆瓣和电商及餐饮食品中蔬菜为例形成的食品知识图谱。
本发明的数据采用Map Reduce的方式进行处理，最终以“键-值”的格式存放至HBase——分布式列数据库中，用户可利用Hive数据仓库对大数据进行离线分析，能够实时智能化分析行业的标准规范，对产品管理、工艺流程管理、危害分析、CCP、关键限值、纠偏措施、验证模块进行统一部署和调配，实现了各项数据的映射关系，完美地将各类食品企业知识库系统整体展现出来。通过数据挖掘技术，对各类食品企业知识库中关于蔬菜、畜禽类、米面等知识进行组织和聚合，形成对应的知识图谱。
实施例三
由于数据仓库平台中数据较多，因此本发明设计了相应的服务器进行存储和运行，数据仓库平台中设有若干服务器，服务器安装在预设机柜中，预设机柜中设有散热扇，用于对机柜中的服务器进行散热；而服务器在日常运行中需要进行散热，若散热不好则服务器温度过高将会影响服务器的运行。
传统的散热扇是利用电机带动扇叶转动产生气流进行扇热，散热扇的叶片具有弧度，叶片的弧度是指扇叶在俯视平面内并非沿着径向笔直延伸，而是向着旋转方向略有弯曲，呈一定弧度。这种弧度的作用是非常重要的，这保证了吹出气流的集中。这对于一款散热器来说也是非常必要的。风扇的扇叶设计成弧形，风可以垂直排出，进而对预设区域进行集中散热，如服务器的主板等，而上述设计存在一个弊端，在使用的过程中，风扇的叶片内、外通常也会堆积大量灰尘，由于叶片是具有弧度的，无法直接使用擦拭工具一次性擦拭，因为只能够擦拭到上表面，无法擦拭叶片的两个具有弧度的侧面，而这两个面堆积的灰尘最多，现在的清洁方式是用手抵住叶片逐一用毛刷掸去叶片上的积灰，然后用湿布将风扇内侧擦净。即每次清洁都需要人工对每个叶片分别进行擦拭，一方面清洁效率低，需要耗费较多的人力，特别是大型设备具有的散热扇很多，另一方面，人工清洁效率低，导致服务器缺乏散热的时间较长，不利于服务器的运行，个别服务器还需要关闭服务器才能清洁，这导致服务器停机时间延长。为了解决上述问题，本发明设计改进了风扇，使得风扇清洁速度快，无需人工进行清洁，省时省力，且清洁效率高，减少了服务器缺少散热运行的时间，也减少了服务器停机的时间。
请参考图4，图4为散热扇的结构示意图，所述散热扇包括：固定框架1、底座2、第一电机3、圆盘4、若干扇叶5和若干扇叶安装结构6；
底座通过支架固定在固定框架内，第一电机下端固定在底座上，第一电机上端的转动轴与圆盘底部中部固定连接，若干扇叶安装结构均匀分布在圆盘侧面，扇叶安装结构与圆盘侧面固定连接；
每个扇叶对应一个扇叶安装结构，请参考图5，图5为扇叶安装结构的结构示意图，图6为第一圆筒的安装示意图；图7为第二圆筒的安装示意图；扇叶安装结构包括：外壳7、第一圆筒8、第二圆筒9、防护膜10、第二电机18、第一旋转轴16、第一限位板11、第二限位板12、第三限位板13、第四限位板14、若干弹性卡条17和控制器；
第二电机、第一圆筒和第二圆筒均位于外壳内，外壳与圆盘侧面固定连接，第一圆筒下端设有转动孔，第一旋转轴下端与外壳内底面固定连接，第一旋转轴上端插入转动孔内，第一圆筒能够绕第一旋转轴转动，第一圆筒下表面为齿形，弹性卡条上端与第一圆筒下表面接触，弹性卡条下端与外壳内底面15固定连接，若干弹性卡条均匀分布在第一旋转轴四周；第二电机下端固定在外壳内底面，第二电机上端的输出轴与第二圆筒的下端固定连接，外壳上设有用于防护膜穿过的第一缺口和第二缺口，第一缺口与第一圆筒的位置对应，第二缺口与第二圆筒的位置对应，扇叶具有首端和尾端，扇叶尾端与第一缺口和第二缺口之间的外壳表面固定连接，第一限位板和第二限位板分别固定在扇叶左侧的首端和尾端，第三限位板和第四限位板分别固定在扇叶右侧的首端和尾端，第一至第四限位板上均设有用于防护膜穿过的镂空区域；防护膜一端与第一圆筒外表面固定连接，防护膜在第一圆筒上缠绕若干圈后另一端依次穿过第二限位板上的镂空区域、第一限位板上的镂空区域、第三限位板上的镂空区域和第四限位板上的镂空区后与第二圆筒外表面固定连接；
控制器用于基于清洁指令对第一电机和第二电机进行控制；
所述扇热扇的清洁过程为：
控制器接收到清洁指令，并基于清洁指令停止第一电机；
然后控制器开启第二电机转动预设圈数后停止第二电机；
然后控制器开启第一电机，并返回清洁完成消息。
其中，本发明中的散热扇的工作原理为：当不需要进行清洁时，散热扇处于正常工作状态，第一电机通电带动圆盘转动，圆盘转动带动扇叶安装结构转动，扇叶安装结构带动扇叶转动，进而产生气流进行散热。
当扇叶上堆积灰尘需要进行清洁时：
控制器接收到清洁指令，并基于清洁指令停止第一电机，清洁指令可以是用户主动发出，也可以是定时发出；然后控制器开启第二电机转动预设圈数后停止第二电机；然后控制器开启第一电机，并返回清洁完成消息。
本发明的原理是用防护膜对扇叶进行防尘，使用时灰尘堆积在扇叶外的防护膜上，当需要进行清洁时，散热扇停止转动，第二电机转动，进而使得防护膜缠绕在第二圆筒上，进而使得表面有灰尘的防护膜缠绕在第二圆筒上，而将没有灰尘的表面干净的防护膜拉出，即将原本缠绕在第一圆筒上干净的防护膜拉出替换原本使用后堆积有灰尘的防护膜，实现了间接除尘，上述过程快速，只需要第二电机转动预设圈数即可，转动的圈数可以根据扇叶的长度和面积以及暴露在外面的保护膜长度进行调整，目的是将堆积有灰尘的防护膜更换为后续没有使用干净的防护膜，且不需要传统的人工每个扇叶进行清洁，省时省力效率较高，且上述过程清洁速度快，无需对服务器进行停机，散热扇关闭的时间也较短，服务器没有相应的散热风险。
在实现上述过程中，发明人还研发发现，若保护膜没有处于紧绷状态，呈现松散状态，则会在散热扇转动时容易飘起来与其他部件产生缠绕进而导致散热扇故障，因此，发明人研究发现防护膜不能松动，需要紧绷，不然起不到对扇叶进行防尘的效果，还容易造成扇叶之间缠绕，然后打结不能转到，本结构利用弹性卡条可以在第二电机不转动时对第一圆筒进行固定，防止其转动，使得防护膜处于紧绷状态，便于对扇叶进行防尘以及吸附灰尘，以及防止其未紧绷，伸出长度过长，造成与其他部件的缠绕，固定时利用弹性卡件上端插入第一圆筒下端的齿槽中形成卡持固定，当第二电机转动时，由于弹簧卡件具有弹性，第一圆筒在拉力的作用下克服弹性开始转动，实现防护膜的拉出，更新出新的未积累灰尘的防护膜，实现防护膜积累灰尘区域的更换，安全性更高，具有更强的实用性和适用性。
其中，弹性卡件为具有弹性的卡件，如橡胶条，金属条等等。
其中，本发明为了使得防护膜能够良好的贴合扇叶，对扇叶进行防尘保护，本发明设计了第一旋转轴、第一限位板、第二限位板、第三限位板、第四限位板，第一旋转轴、第一限位板、第二限位板、第三限位板、第四限位板上设有镂空区域，通过将防护膜穿过上述限位板的镂空区域，实现了防护膜对扇叶的覆盖，实现了对扇叶的防尘保护。
其中，在本发明实施例三中，防护膜表面设有用于吸尘的胶层。利用胶层可以对灰尘进行吸附，使得除尘效果更佳。
其中，当第一圆筒上的所有保护膜都被拉出使用完后，更换相应的保护膜即可。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种食品企业个性化风险分级管控方法，其特征在于，所述方法包括：
建立食品生产经营全程风险信息库；
建立风险分级评价模型；
从食品生产经营全程风险信息库中采集食品企业数据；
基于食品企业数据和风险分级评价模型，获得食品企业风险分级结果；
基于食品企业风险分级结果生成对应的管控方法。
2.根据权利要求1所述的食品企业个性化风险分级管控方法，其特征在于，食品企业风险分级结果包括：餐饮业态风险分级结果、餐饮食品风险分级结果、餐饮加工过程风险分级结果和餐饮企业风险分级结果。
3.根据权利要求2所述的食品企业个性化风险分级管控方法，其特征在于，风险分级评价模型包括：
餐饮业态风险分级子模型，用于获得餐饮业态风险分值Y，基于风险分值Y和分级对应表获得对应的风险分级结果；
餐饮食品风险分级子模型，用于获得餐饮食品风险分值S，基于风险分值S和分级对应表获得对应的风险分级结果；
餐饮加工过程风险分级子模型，用于获得餐饮加工过程风险分值J，基于风险分值J和分级对应表获得对应的风险分级结果；
餐饮企业风险分级子模型，用于获得餐饮企业风险分值Q，基于风险分值Q和分级对应表获得对应的风险分级结果。
4.根据权利要求3所述的食品企业个性化风险分级管控方法，其特征在于：
餐饮业态风险分值Y＝Y1+Y2+Y3+Y4+Y5；Y1为消费人群风险等级分值；Y2为一次性就餐人数风险等级分值；Y3为食品售卖方式风险等级分值；Y4为经营食品种类复杂程度风险等级分值；Y5为食品安全管理水平风险等级分值；
餐饮食品风险分值S＝S1+S2+S3+S4+S5；S1为加工方式风险等级分值；S2为食品主要原料属性风险等级分值；S3为是否使用食用添加剂及添加量风险等级分值；S4为是否高温易腐食品风险等级分值；S5为监管结果风险等级分值；
加工过程风险分值计算方法J＝J1+J2+J3+J4+J5+J6；J1为食品安全管理风险等级分值；J2为建筑布局和设施设备风险等级分值；J3为原辅料添加剂管理风险等级分值；J4为加工制作风险等级分值；J5为清洗消毒风险等级分值；J6为风险降低项目风险等级分值；
餐饮企业加工风险分值Q＝Y+S+J。
5.根据权利要求1所述的食品企业个性化风险分级管控方法，其特征在于，建立食品生产经营全程风险信息库，具体包括：
制定食品生产经营相关部门数据与信息库的数据交换规范；
制定食品生产经营相关部门数据与信息库的数据交换接口规范；
建立数据仓库平台；
基于数据交换规范和数据交换接口规范，从食品经营相关部门中采集与食品生产经营相关的静态数据和动态数据；
对采集的静态数据和动态数据进行标准化处理，将处理后的数据存储在数据仓库平台中；
基于数据仓库平台建立信息库。
6.根据权利要求5所述的食品企业个性化风险分级管控方法，其特征在于，数据仓库平台包括：
ODS层，用于与若干数据源建立连接，对若干个数据源的数据进行集成，作为数据仓库平台的数据处理的过渡；
数据仓库层，用于对ODS层中采集的相关数据进行处理；
应用层，基于数据仓库层应用层根据预设需求建立数据集市，基于数据集市建立各类食品企业知识库。
7.一种食品企业个性化风险分级管控系统，其特征在于，所述系统包括：
第一建立单元，用于建立食品生产经营全程风险信息库；
第二建立单元，用于建立风险分级评价模型；
数据采集单元，用于从食品生产经营全程风险信息库中采集食品企业数据；
分级单元，用于基于食品企业数据和风险分级评价模型，获得食品企业风险分级结果；
管控单元，用于基于食品企业风险分级结果生成对应的管控方法。
8.根据权利要求7所述的食品企业个性化风险分级管控系统，其特征在于，风险分级评价模型包括：
餐饮业态风险分级子模型，用于获得餐饮业态风险分值Y，基于风险分值Y和分级对应表获得对应的风险分级结果；
餐饮食品风险分级子模型，用于获得餐饮食品风险分值S，基于风险分值S和分级对应表获得对应的风险分级结果；
餐饮加工过程风险分级子模型，用于获得餐饮加工过程风险分值J，基于风险分值J和分级对应表获得对应的风险分级结果；
餐饮企业风险分级子模型，用于获得餐饮企业风险分值Q，基于风险分值Q和分级对应表获得对应的风险分级结果。
9.根据权利要求8所述的食品企业个性化风险分级管控系统，其特征在于：
餐饮业态风险分值Y＝Y1+Y2+Y3+Y4+Y5；Y1为消费人群风险等级分值；Y2为一次性就餐人数风险等级分值；Y3为食品售卖方式风险等级分值；Y4为经营食品种类复杂程度风险等级分值；Y5为食品安全管理水平风险等级分值；
餐饮食品风险分值S＝S1+S2+S3+S4+S5；S1为加工方式风险等级分值；S2为食品主要原料属性风险等级分值；S3为是否使用食用添加剂及添加量风险等级分值；S4为是否高温易腐食品风险等级分值；S5为监管结果风险等级分值；
加工过程风险分值计算方法J＝J1+J2+J3+J4+J5+J6；J1为食品安全管理风险等级分值；J2为建筑布局和设施设备风险等级分值；J3为原辅料添加剂管理风险等级分值；J4为加工制作风险等级分值；J5为清洗消毒风险等级分值；J6为风险降低项目风险等级分值；
餐饮企业加工风险分值Q＝Y+S+J。
10.根据权利要求7所述的食品企业个性化风险分级管控系统，其特征在于，建立食品生产经营全程风险信息库，具体包括：
制定食品生产经营相关部门数据与信息库的数据交换规范；
制定食品生产经营相关部门数据与信息库的数据交换接口规范；
建立数据仓库平台；
基于数据交换规范和数据交换接口规范，从食品经营相关部门中采集与食品生产经营相关的静态数据和动态数据；
对采集的静态数据和动态数据进行标准化处理，将处理后的数据存储在数据仓库平台中；
基于数据仓库平台建立信息库。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011217548.3A CN112258081A (zh) | 2020-11-04 | 2020-11-04 | 一种食品企业个性化风险分级管控方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011217548.3A CN112258081A (zh) | 2020-11-04 | 2020-11-04 | 一种食品企业个性化风险分级管控方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112258081A true CN112258081A (zh) | 2021-01-22 |
Family
ID=74267735
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011217548.3A Pending CN112258081A (zh) | 2020-11-04 | 2020-11-04 | 一种食品企业个性化风险分级管控方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112258081A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114140095A (zh) * | 2021-12-13 | 2022-03-04 | 成都市食品检验研究院 | 一种智能生成食品生产经营企业关键控制措施的系统 |
| CN115526546A (zh) * | 2022-11-08 | 2022-12-27 | 成都市食品检验研究院 | 一种食品企业风险分级智能化管控系统 |
| CN115829321A (zh) * | 2022-11-22 | 2023-03-21 | 成都市食品检验研究院 | 一种食品企业加工过程风险智能化处置系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105654317A (zh) * | 2016-01-11 | 2016-06-08 | 东莞市清大曜嘉信息技术有限公司 | 基于磁共振射频识别的食品安全追溯系统及其追溯方法 |
| CN109058135A (zh) * | 2018-09-03 | 2018-12-21 | 安徽师范大学 | 用于吊扇的防尘罩装置 |
| CN109801005A (zh) * | 2019-03-26 | 2019-05-24 | 北京金和网络股份有限公司 | 基于机器学习的食品安全风险模型的构建方法 |
| CN110189057A (zh) * | 2019-06-11 | 2019-08-30 | 浙江清华长三角研究院 | 一种食品生产企业风险分级预警系统及方法 |
| CN111340652A (zh) * | 2020-02-27 | 2020-06-26 | 杭州祐全科技发展有限公司 | 基于大数据分析的餐饮食安动态监管方法 |
-
2020
- 2020-11-04 CN CN202011217548.3A patent/CN112258081A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105654317A (zh) * | 2016-01-11 | 2016-06-08 | 东莞市清大曜嘉信息技术有限公司 | 基于磁共振射频识别的食品安全追溯系统及其追溯方法 |
| CN109058135A (zh) * | 2018-09-03 | 2018-12-21 | 安徽师范大学 | 用于吊扇的防尘罩装置 |
| CN109801005A (zh) * | 2019-03-26 | 2019-05-24 | 北京金和网络股份有限公司 | 基于机器学习的食品安全风险模型的构建方法 |
| CN110189057A (zh) * | 2019-06-11 | 2019-08-30 | 浙江清华长三角研究院 | 一种食品生产企业风险分级预警系统及方法 |
| CN111340652A (zh) * | 2020-02-27 | 2020-06-26 | 杭州祐全科技发展有限公司 | 基于大数据分析的餐饮食安动态监管方法 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114140095A (zh) * | 2021-12-13 | 2022-03-04 | 成都市食品检验研究院 | 一种智能生成食品生产经营企业关键控制措施的系统 |
| CN115526546A (zh) * | 2022-11-08 | 2022-12-27 | 成都市食品检验研究院 | 一种食品企业风险分级智能化管控系统 |
| CN115829321A (zh) * | 2022-11-22 | 2023-03-21 | 成都市食品检验研究院 | 一种食品企业加工过程风险智能化处置系统 |
| CN115829321B (zh) * | 2022-11-22 | 2023-08-15 | 成都市食品检验研究院 | 一种食品企业加工过程风险智能化处置系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112258081A (zh) | 一种食品企业个性化风险分级管控方法及系统 | |
| Oey et al. | Lean implementation in traditional distributor warehouse-a case study in an FMCG company in Indonesia | |
| CN112163688A (zh) | 多剂型中西药产品全流程智能制造系统及建造方法 | |
| CN109472468A (zh) | 针对voc有机废气的企业排污智能监控数据分析系统 | |
| Rizkya et al. | Implementation of 5S methodology in warehouse: A case study | |
| CN107831748A (zh) | 一种智能工厂mes系统 | |
| Parajuly et al. | Electronic waste and informal recycling in Kathmandu, Nepal: challenges and opportunities | |
| Sidhu et al. | The" 5S" Strategy by Using PDCA Cycle for Continuous Improvement of the Manufacturing Processes in Agriculture Industry | |
| Franchetti et al. | Lean Six Sigma at a material recovery facility: a case study | |
| CN111340652A (zh) | 基于大数据分析的餐饮食安动态监管方法 | |
| CN111291076A (zh) | 基于大数据的异常用水监测报警系统及其构建方法 | |
| Rakar et al. | Assessment of production performance by means of KPI | |
| Yanti et al. | Production line improvement analysis with lean manufacturing approach to reduce waste at CV. TMJ uses Value Stream Mapping (VSM) and Root Cause Analysis (RCA) methods | |
| Kobarne et al. | Implementation of ‘5s’ technique in a manufacturing organization: a case study | |
| CN112256806B (zh) | 一种食品生产经营全程风险信息库的构建方法及系统 | |
| CN114140094A (zh) | 一种食品企业智能化风险监控预警系统 | |
| Kennedy et al. | Point-of-sale glass bottle recycling: indoor airborne exposures and symptoms among employees | |
| Chen et al. | Assessment of Dairy Product Safety Supervision in Sales Link: A Fuzzy‐ANP Comprehensive Evaluation Method | |
| Wahyuni et al. | Food Safety Risk Analysis of Food Supply Chain in Small and Medium Enterprises (Case Study: Supply Chain of Fish) | |
| CN108022018A (zh) | 一种基于物联网的体育用品销售服务管理系统 | |
| CN206282324U (zh) | 条码打印追溯系统 | |
| Díaz-Reza et al. | TPM Background | |
| Rondinelli et al. | Strategic and environmental management in the corporate value chain at Shaw Industries | |
| Rizkya et al. | Lean manufacturing: Waste analysis in crude palm oil process | |
| Chen | Analysis of electronic equipment recycling based on environmental economic background |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information |
Address after: No. 10, Section 2, Furong Avenue, Wenjiang District, Chengdu, Sichuan 610000 Applicant after: Chengdu Institute of food inspection Address before: No.10, Wuxing 2nd Road, Wuhou Science Park, Chengdu, Sichuan 610000 Applicant before: CHENGDU FOOD AND DRUG INSPECTION INSTITUTE |
|
| CB02 | Change of applicant information |