CN113762764A - 一种进口食品安全风险自动分级与预警系统及方法 - Google Patents

一种进口食品安全风险自动分级与预警系统及方法 Download PDF

Info

Publication number
CN113762764A
CN113762764A CN202111024594.6A CN202111024594A CN113762764A CN 113762764 A CN113762764 A CN 113762764A CN 202111024594 A CN202111024594 A CN 202111024594A CN 113762764 A CN113762764 A CN 113762764A
Authority
CN
China
Prior art keywords
risk
food
level
index
imported
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.)
Granted
Application number
CN202111024594.6A
Other languages
English (en)
Other versions
CN113762764B (zh
Inventor
郭学文
乔俊琴
练鸿振
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University
Original Assignee
Nanjing University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing University filed Critical Nanjing University
Priority to CN202111024594.6A priority Critical patent/CN113762764B/zh
Publication of CN113762764A publication Critical patent/CN113762764A/zh
Application granted granted Critical
Publication of CN113762764B publication Critical patent/CN113762764B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/951—Indexing; Web crawling techniques
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Databases & Information Systems (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • General Engineering & Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Quality & Reliability (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开一种进口食品安全风险自动分级与预警系统及方法，该系统包括信息采集与处理模块、数据存储模块、风险分级评价模块和预警模块，所述信息采集与处理模块，用于采集进口食品信息，同时将采集信息处理后传输到风险分级评价模块；所述数据存储模块包含国内、国际舆情通报信息和历史抽查过程中的实验室检测结果等信息；所述风险分级评价模块基于实验室历史检测数据和当前舆情信息进行风险分级计算，给出风险等级，所述预警模块对高风险等级的食品及检测项目发出预警信号，给出抽检率提示。本发明构建了完整的食品安全风险自动分级与预警系统，以实验室历史检测数据和当前舆情信息为基础对食品安全进行预警，提高了预警时效性和准确性。

Description

一种进口食品安全风险自动分级与预警系统及方法
技术领域
本发明涉及食品安全风险预警技术领域，特别是涉及进口食品安全风险自动分级与预警系统及方法。
背景技术
随着我国经济的崛起，我国从国外进口的食品数量和种类不断增加，加剧了对进口食品安全监管的难度和复杂性。目前食品安全监管中，通常采用抽样检验的方式对进口食品进行检验，如何科学地确定是否抽检、抽检率是多少、优先检测哪种食品以及如何确定所抽检食品下的检测项目成为食品安全监管部门最为关注、也是迫切需要解决的问题。因此建立一套科学有效的进口食品安全风险评价体系，对进口食品安全风险水平进行有效的分级与预警，可为进口食品安全监管决策提供重要的参考。
传统的口岸食品风险评价主要采用Delphi专家打分法、层次分析法、风险矩阵法等评价方法，这些方法主要依赖专家经验，由专家根据过去一段时间内该类进出口食品的安全状况，从风险发生的可能性和严重性等角度进行打分，再通过模型计算确定当前进出口食品的风险等级，该类方法评价周期长，且需要耗费巨大的专家资源，专家自身的知识和经验等也很大程度上影响着评价结果的科学性、合理性，此外，基于以上方法形成的评价体系无法做到动态更新和及时调整，易造成通关周期长、通关效率低等问题。
发明内容
鉴于以上问题，本发明提出一种进口食品安全风险自动分级与预警系统及方法，通过建立一套科学有效的进口食品安全风险评价体系，依据当前和历史所采集到的进口食品安全信息，对报关食品的安全风险水平给予及时、科学的等级评价，并根据风险等级评价结果采取相应的监管措施，对风险高的进口食品可以重点检测，提高抽检率、增加抽检项目，从而保证进口食品安全，对风险低的进口食品可以降低抽检率、减少抽检项目，加快进口食品的通关效率，提高经济效益。
本发明的具体技术方案如下：
一种进口食品安全风险自动分级与预警系统，包括：
信息采集与处理模块，获取进口食品信息，并基于进口食品信息获取食品所属类别，建立包含进口食品信息和所属食品类别的第一表单，并发送至风险分级评价模块；
第一数据存储模块，存储评价指标库及标准规定的限量值，所述评价指标库包含四级评价指标体系，食品一级分类为第一级指标，食品二级分类为第二级指标，检测项目所属分类为第三级指标，具体检测项目为第四级指标；
第二数据存储模块，存储历史抽检过程中的实验室检测结果数据；
第三数据存储模块，存储从互联网上爬取的进口食品国际舆情通报信息和/或国内抽检通报信息；
风险分级评价模块，基于第一表单中的信息从第一数据存储模块中获取进口食品对应的四级指标；并从第二数据存储模块的历史检测记录中获取该进口食品对应的第四级指标的历史记录；基于第三数据存储模块中获取的通报次数和/或抽检不合格信息条数对四级指标设置风险调节因子，风险调节因子的取值根据通报次数和/或不合格次数的数量确定；
将第四级指标具体检测项目对应的历史检测结果与标准规定的限量值比较，分别计算获取四级指标的不合格率和不合格度；其中不合格率指该指标被判定为不合格的个数占所有批次该类指标检测记录数的比例；不合格度为各级指标偏离标准的程度；
通过专家打分法和熵值法结合的方式计算各级指标不合格率和不合格度的权重，用加权求和法计算各级指标的基础风险值；将风险调节因子与基础风险值的乘积作为最终风险值，并基于最终风险值划分风险等级；
基于最终风险值划分风险等级，并对各风险等级分配具体的抽检率；
预警模块，对分级为“高”风险等级的食品和指标发出预警。
作为一种优选的实施方式，所述进口食品信息包括食品品名、品牌、进口国/地区、规格、数/重量、生产日期、企业名称、CIQ代码(13位海关编码)；
所述进口食品国际舆情通报信息和/或国内抽检通报信息包括食品类别、进口国/地区、企业名称、不合格/风险项目、通报时间。
作为一种优选的实施方式，所述系统还包括第四数据存储模块，存储海关总署公布的准入国家和企业名单库；
所述风险分级评价模块基于进口食品信息遍历海关总署公布的准入国家和企业名单库，对不在名单中库中的食品直接列为“高”风险等级，对应最高抽检率。
作为一种优选的实施方式，所述系统还包括第五数据存储模块，所述第五数据存储模块中存储进口国国家政府管理水平、进口国要求的检测项目限量值、进口企业诚信记录数据；
所述风险分级评价模块基于进口食品信息遍历第一数据存储模块、第三数据存储模块、第五数据存储模块，获取进口国国家政府管理水平、国内要求的检测项目及其限量值、进口国要求的检测项目限量值、进口企业诚信记录、进口国家/企业/食品的舆情通报信息和国内抽检通报信息；
基于获取的信息计算该批次食品总体风险等级；
根据总体风险等级设置抽样概率，按照抽样概率进行随机抽样，如果被抽中，则进行抽检项目风险等级计算，如果未被抽中则直接放行。
作为一种优选的实施方式，所述风险分级评价模块基于获取的信息计算该批次食品总体风险等级的方式为：
将进口国国家政府管理水平转化为食品安全指数，根据全球食品安全指数报告中国家/地区排名，将所有排名在0-1之间按照等差数列赋分Ai；将我国食品安全指数值取为1，某国家食品安全指数＝我国食品安全指数-该国Ai+我国Ai；
将进口企业诚信记录转化为企业信用指数，根据中国海关企业进出口信用信息公示平台公布信息，按照平台认定的高级认证企业、一般信用企业和失信企业对企业信用指数进行三级赋分；
将进口国要求的检测项目限量值转化为标准限量安全指数，将进口国要求的检测项目限量值与我国标准进行对比，进行三级赋分；
将进口国家/企业/食品的舆情通报信息和国内抽检通报信息转化为舆情风险指数，根据通报次数+抽检不合格信息条数进行赋分；
根据该国家食品安全指数、企业信用指数、标准限量安全指数和舆情风险指数，利用加权求和法得出该批次食品总体风险值；
根据总体风险值数值进行分级，并按照总体风险等级分配抽样概率，总体风险等级越高抽样概率越高。
作为一种优选的实施方式，基于第三数据存储模块中获取的通报次数和/或抽检不合格信息条数设置第四级指标的风险调节因子，第三级指标的风险调节因子为第四级指标风险调节因子的平均值，以此类推，分别得到四级指标的风险调节因子；将风险调节因子乘以基础风险值，得到最终风险值。
作为一种优选的实施方式，所述通过专家打分法和熵值法结合的方式计算各级指标不合格率和不合格度的权重为：
将专家打分法得到的不合格率和不合格度的权重分别记为Wx1、Wy1，熵值法计算出的不合格率和不合格度的权重分别记为Wx2、Wy2，通过下式得出最终的不合格率权重Wx和不合格度权重Wy。
Figure BDA0003242916830000041
Figure BDA0003242916830000042
本发明的另一目的在于提供一种进口食品安全风险自动分级与预警方法，包括：
建立四级评价指标体系，食品一级分类为第一级指标，食品二级分类为第二级指标，检测项目所属分类为第三级指标，具体检测项目为第四级指标；
获取进口食品信息，基于进口食品信息获取食品所属食品类别；
获取进口食品国际舆情通报信息和/或国内抽检通报信息；
基于四级评价指标体系获取进口食品对应的四级指标及第四级指标标准规定的限量值；
从历史检测记录中获取该进口食品对应的四级指标的历史记录；
将第四级指标具体检测项目对应的历史检测结果与标准规定的限量值比较，分别计算获取四级指标的不合格率和不合格度；其中不合格率指该指标被判定为不合格的个数占所有批次该类指标检测记录数的比例；不合格度为各级指标偏离标准的程度；
通过专家打分法和熵值法结合的方式计算各级指标不合格率和不合格度的权重，用加权求和法计算各级指标的基础风险值；
基于通报次数和/或抽检不合格信息条数对四级指标设置风险调节因子，风险调节因子的取值根据通报次数和/或不合格次数的数量确定；
将风险调节因子与基础风险值的乘积作为最终风险值，并基于最终风险值划分风险等级；
基于最终风险值划分风险等级，并对各风险等级分配具体的抽检率。
作为一种优选的实施方式，所述进口食品信息包括食品品名、品牌、进口国/地区、生产日期、企业名称、CIQ代码(13位海关编码)；
所述进口食品国际舆情通报信息和/或国内抽检通报信息包括食品类别、进口国/地区、企业名称、不合格/风险项目、通报时间。
作为一种优选的实施方式，所述方法还包括，基于进口食品信息进行初筛，包括：
基于进口食品信息获取进口国国家政府管理水平、国内要求的检测项目及其限量值、进口国要求的检测项目限量值、进口企业诚信记录、进口国家/企业/食品的舆情通报信息和国内抽检通报信息；
基于获取的信息计算该批次食品总体风险等级；
根据总体风险等级设置抽样概率，根据抽样概率进行随机抽样，如果被抽中，则进行抽检项目风险等级计算，如果未被抽中则直接放行。
作为一种优选的实施方式，所述方法还包括：
基于进口食品信息遍历海关总署公布的准入国家和企业名单库，对不在名单中库中的食品直接列为“高”风险等级，对应最高抽检率。
本发明的方法和系统具有以下有益效果：
(1)将实验室检测数据与标准限量值进行比较，利用不合格率和不合格度进行风险评判，既可以实现计算机自动计算过程，与专家打分的人工评价过程相比，周期短，评价效率更高；同时充分利用舆情信息与历史数据，可以避免专家打分时由于专家自身的知识和经验带来的误差。
(2)考虑各国政府管理水平、进口企业诚信记录、国内标准限量与国外标准限量的不同，形成各国食品安全指数、企业信用指数和标准限量安全指数，同时根据国际舆情通报信息和国内抽检通报信息，形成舆情风险指数，得出该批次食品总体风险等级，根据总体风险等级判断是否抽样，未被抽中可直接放行，被抽中进行抽检项目风险等级计算。因为政府管理水平、舆情通报等信息是在不断变更的，这些风险指数的引入使得模型具有实时动态更新特征，能够更加及时地反映当前食品安全风险状态。
(3)解决了风险分级考虑因素单一，风险程度难以量化，信息利用效果差，后处理不足的问题，提高时效性、准确性。
附图说明
图1为本发明的一种进口食品安全风险自动分级与预警方法的流程示意图。
具体实施方式
下面结合附图说明和具体实施方式，对本发明的技术方案作进一步阐述。
实施例1
本实施例具体说明本发明系统的实施方式。
一种进口食品安全风险分级与预警系统，所述进口食品安全风险分级与预警系统包括信息采集与处理模块、数据存储模块、风险分级评价模块和预警模块。
所述信息采集与处理模块，用于采集口岸企业报关信息，包括食品品名、品牌、进口国/地区、生产日期、企业名称、CIQ代码(13位海关编码)，同时根据采集信息按照CIQ代码和《国家食品安全监督抽检实施细则》中分类规则得到食品所属食品类别，包括食品一级分类和食品二级分类，基于进口食品信息获取食品所属类别，建立包含进口食品信息和所属食品类别的第一表单，并发送至风险分级评价模块；
所述数据存储模块包含五个子模块，分别为：
第一数据存储模块，存储评价指标库及标准规定的限量值，所述评价指标库包含四级评价指标体系，食品一级分类为第一级指标，食品二级分类为第二级指标，检测项目所属分类为第三级指标，具体检测项目为第四级指标，所述分类、具体检测项目及标准规定的限量值根据国家标准、行业标准、农业部公告等规定确定；
第二数据存储模块，存储历史抽检过程中的实验室检测结果数据；
第三数据存储模块，存储从互联网上爬取的进口食品国际舆情通报信息和/或国内抽检通报信息；舆情信息挖掘基于网络爬虫功能挖掘互联网上报道的国内外食品安全风险事件，包括国际舆情预警通报信息和国内市场监督管理局公布的抽检信息，所述数据处理单元对挖掘的舆情信息形成风险事件表单，表单项目包括食品品名、品牌、被通报国/地区(相当于进口国)、风险项目类别、风险项目、通报日期；
第四数据存储模块，存储海关总署公布的准入国家和企业名单库；
第五数据存储模块，存储进口国国家政府管理水平、进口国要求的检测项目限量值、进口企业诚信记录数据；
风险分级评价模块，包括：
第一初筛单元：基于进口食品信息遍历海关总署公布的准入国家和企业名单库，对不在名单中库中的食品直接列为“高”风险等级，对应最高抽检率；
第二初筛单元：对第一初筛单元筛选后剩余的进口食品进行处理：
基于进口食品信息遍历第一数据存储模块、第三数据存储模块、第五数据存储模块，获取进口国国家政府管理水平、对应指标体系下国内要求的检测项目及其限量值、对应指标体系下进口国要求的检测项目限量值、进口企业诚信记录、进口国家/企业/食品的舆情通报信息和国内抽检通报信息；
所述对应指标体系下国内要求的检测项目及其限量值的获取方式为：根据第一表单中的信息，搜索获取进口食品对应的四级指标中的第四级指标，及标准规定的限量值；
所述对应指标体系下进口国要求的检测项目限量值的获取方式为：通过确定的第四级指标，遍历第五数据存储模块获得第四级指标对应的进口国要求的检测项目限量值；
基于获取的信息计算该批次食品总体风险等级；
根据总体风险等级设置抽样概率，按照抽样概率进行随机抽样，如果被抽中，则进入风险值计算单元进行抽检项目风险值计算，如果未被抽中则直接放行；
风险值计算单元：基于第一表单中的信息从第一数据存储模块中获取进口食品对应的四级指标及第四级指标标准规定的限量值；并从第二数据存储模块的历史检测记录中获取该进口食品对应的第四级指标的历史记录；基于第三数据存储模块中获取的通报次数和/或抽检不合格信息条数对四级指标设置风险调节因子，风险调节因子的取值根据通报次数和/或不合格次数的数量确定；
将第四级指标具体检测项目对应的历史检测结果与标准规定的限量值比较，分别计算获取四级指标的不合格率和不合格度；
通过专家打分法和熵值法结合的方式计算各级指标不合格率和不合格度的权重，用加权求和法计算各级指标的基础风险值；将风险调节因子与基础风险值的乘积作为最终风险值；
风险分级评价单元：基于最终风险值划分风险等级，并对各风险等级分配具体的抽检率；
本实施例中，将最终风险值划分为“高、较高、中、较低、低”五种风险等级。
预警模块，对分级为“高”风险等级的食品和指标发出预警。
其中，第二初筛单元中基于获取的信息计算该批次食品总体风险等级的方式如下：
获取进口国国家政府管理水平、进口国要求的检测项目限量值、进口企业诚信记录、进口国家/企业/食品的舆情通报信息和国内抽检通报信息，并分别转化为量化的指数；
I)将各个国家政府管理水平转化为食品安全指数：
根据全球食品安全指数报告中国家(地区)排名，首先将所有排名按照0-1等差数列进行赋值，用Ai表示，如排名第一的国家Ai为0，排名最后的国家Ai为1，排名中间的国家Ai为0.5，然后将我国安全指数值取为1，某国家安全指数＝我国安全指数-该国Ai+我国Ai
II)将进口企业信用状况记录转化为企业信用指数：
根据中国海关企业进出口信用信息公示平台公布信息，按照平台认定的高级认证企业、一般信用企业和失信企业，企业信用指数分别赋值0.5、1和1.5；
III)将进口国要求的检测项目限量值转化为标准限量安全指数：
将国内要求的检测项目限量值与该国要求的检测项目限量值进行比较，给出各检测项目的标准限量安全指数(依据表1)，将各检测项目的标准限量安全指数取平均，得到该食品的标准限量安全指数。
表1标准限量安全指数表
Figure BDA0003242916830000081
IV)将进口国家/企业/食品的舆情通报信息和国内抽检通报信息转化为舆情风险指数；
表2舆情风险指数取值表
通报次数+抽检不合格信息条数n 舆情风险指数
0 0
0<n≤5 1
5<n≤10 1.5
n>10 2
V)根据该国家食品安全指数、标准限量安全指数、该企业信用指数和舆情风险指数，利用加权求和法得出该批次食品总体风险值，依据表3给出总体风险等级，其中权重取值可采用专家打分法或层次分析法等方法给出，根据总体风险等级给出抽样概率，进行随机抽样，未被抽中可直接放行，被抽中进行抽检项目风险等级计算；
表3总体风险值与风险等级对照表
总体风险值 总体风险等级 抽样概率
0.0～0.4 低 20％
0.4～0.8 较低 40％
0.8～1.2 中 60％
1.2～1.6 较高 80％
>1.6 高 100％
所述不合格率和不合格度的定义如下：
不合格率：
将国家标准限量值分三种情形，以乳制品为例，情形1为有最高限量标准的情形，检测值低于限量标准为合格，高于限量标准为不合格，如铅、汞、黄曲霉毒素M1含量等；情形2为有最低限量标准的情形，检测值高于限量标准为合格，低于限量标准为不合格，如蛋白质、脂肪含量等；情形3为有最高和最低限量标准范围的情形，检测值在范围内合格，超出范围为不合格，如酸度值。其中某批次具体检测项目的不合格值用
Figure BDA0003242916830000091
表示，为便于计算，取值设置如下：
Figure BDA0003242916830000092
其中，Tij为具体检测项目的实测值，Minij、Maxij分别为对应项目的最低和最高限量标准。
第四级指标(具体检测项目)不合格率为具体检测项目(如污染物中铅)的检测实际值判定为不合格的个数占所有批次集合该具体检测项目记录数的比例；第三级指标(检测项目类别)的不合格率为检测项目类别(如污染物)判定为不合格的个数占所有批次集合该类检测项目记录数的比例，其中检测项目类别中只要有一项具体检测参数不合格即判定该类检测项目不合格；第二级指标(食品二级分类)不合格率为该小类食品(如灭菌乳)判定为不合格的个数占所有批次该小类食品记录数的比例，其中该小类食品中只要有一类检测项目不合格即判定该类食品不合格；第一级指标(食品一级分类)的不合格率为该大类食品(如液体乳)判定为不合格的个数占所有批次该大类食品记录数的比例，其中该大类食品中只要有一小类食品不合格即判定该类食品不合格。
不合格度：
不合格度为食品中具体检测项目的实测值偏离标准的程度，对有最高限量标准的检测项目，检测值越低风险越小；对有最低限量标准的情形，检测值越高风险越小；对有最高和最低标准范围的情形，检测值越靠近最低和最高值的平均值风险越小。其中某批次具体检测项目的不合格度值用
Figure BDA0003242916830000093
表示，取值设置如下：
情形1，有最高限量标准时，
Figure BDA0003242916830000094
情形2，有最低限量标准时，
Figure BDA0003242916830000095
情形3，有最高和最低限量标准范围时，
Figure BDA0003242916830000101
其中，Tij为具体检测项目的实测值，Minij、Maxij分别为对应项目的最低和最高限量标准。
第四级指标的不合格度为所有批次集合该具体检测项目不合格度的平均值；第三级指标的不合格度为所有批次集合该类检测项目不合格度的平均值；第二级指标的不合格度为所有批次集合该小类食品不合格度的平均值；第一级指标的不合格度为所有批次集合该大类食品不合格度的平均值。
基础风险值的计算方式具体为：
专家打分法得到的不合格率和不合格度的权重分别记为Wx1、Wy1，熵值法计算出的不合格率和不合格度的权重分别记为Wx2、Wy2，通过下式得出最终的不合格率权重Wx和不合格度权重Wy。
Figure BDA0003242916830000102
Figure BDA0003242916830000103
进而用加权求和法得出各级指标的基础风险值R。
R＝Xi×Wx+Yi×Wy
其中X为不合格率，Y为不合格度。
基于第三数据存储模块中获取的通报次数和/或抽检不合格信息条数对四级指标设置风险调节因子如表4所示：
表4风险调节因子表
通报次数+抽检不合格信息条数n 风险调节因子
0 1
0<n≤5 1.5
5<n≤10 2
n>10 2.5
基于第三数据存储模块中获取的通报次数和/或抽检不合格信息条数设置第四级指标的风险调节因子(表4)，第三级指标的风险调节因子为第四级指标风险调节因子的平均值，以此类推，分别得到四级指标的风险调节因子。
将风险调节因子与基础风险值的乘积作为最终风险值，并基于最终风险值划分风险等级如表5所示：
表5指标风险值与风险等级对照表
最终风险值 风险等级 抽检率
0.00～0.25 低 20％
0.25～0.50 较低 40％
0.50～0.75 中 60％
0.75～1.00 较高 80％
>1.00 高 100％
实施例2
本实施例具体说明本发明方法的实施方式。
一种进口食品安全风险分级与预警方法，包括：
步骤1、建立四级评价指标体系，食品一级分类为第一级指标，食品二级分类为第二级指标，检测项目所属分类为第三级指标，具体检测项目为第四级指标；
步骤2、获取进口食品信息(包括食品品名、品牌、进口国/地区、生产日期、企业名称、CIQ代码(13位海关编码))，基于进口食品信息获取食品所属类别，建立包含进口食品信息和所属食品类别的第一表单；
步骤3、根据进口食品信息(食品所属类别、企业名称、进口国/地区)遍历海关总署公布的准入国家和企业名单库，不在准入名单中的食品直接判定为“高”风险等级；在准入名单中的给出该国食品安全指数和该企业信用指数(参照实施例1步骤I)和II))，并基于步骤1建立的四级评价指标体系，获取该进口食品信息对应的四级评价指标；
步骤4、按照进口食品对应的四级评价指标获取该进口食品对应的四级指标及第四级指标标准规定的限量值(包括国内及进口国的标准规定的限量值)；具体的，所涉及分类、具体检测项目及标准规定的限量值根据国家标准、行业标准、农业部公告等规定确定，将国内要求的检测项目限量值与该进口国要求的检测项目限量值进行比较，给出各检测项目的标准限量安全指数(依据表1)，将各检测项目的标准限量安全指数取平均，得到该食品的标准限量安全指数；
步骤5、获取预设时间范围内该类食品国际舆情通报信息和国内抽检通报信息，构建包括食品类别、进口国/地区、企业名称、不合格/风险项目、通报时间的舆情风险评价表单，根据该进口国/地区被通报次数和抽检不合格信息条数给出舆情风险指数(依据表2)；
步骤6、根据该国家食品安全指数、标准限量安全指数、该企业信用指数和舆情风险指数，利用加权求和法得出该批次食品总体风险值，依据表3给出总体风险等级，其中权重取值可采用专家打分法或层次分析法等方法给出，根据总体风险等级给出抽样概率，进行随机抽样，未被抽中可直接放行，被抽中则进入步骤7进行抽检项目风险等级计算；
步骤7、基于进口国/地区、企业名称信息从历史检测记录中获取该进口食品对应的第四级指标的历史记录(对应样本的具体检测项目历史实验室检测结果)，将进口食品四级评价指标、检测的历史记录整合在同一张数据表中形成评价表单；对无历史实验室检测数据的食品，各级指标风险值取值为1，并跳至步骤10；
步骤8、将评价表单中实验室检测结果与检测项目限量值进行比较，分别计算得出第四级指标、第三级指标、第二级指标和第一级指标的不合格率和不合格度；
步骤9、采用专家打分法和熵值法结合的方式对不合格率和不合格度权重进行计算，
步骤10、获取进口国家、企业、食品国际舆情通报信息和国内抽检通报信息，根据通报次数和抽检不合格信息条数给出第四级指标的风险调节因子(参照表4)，第三级指标的风险调节因子为第四级指标风险调节因子的平均值，以此类推，分别得到四级指标的风险调节因子。将风险调节因子乘以基础风险值，得到最终风险值；由指标风险值与风险等级对照表(表5)，将各级指标风险值转化为各级指标的风险等级。
所述预警模块对总体风险等级为“高”风险等级的食品发出预警信号，并对其检测项目风险等级进行排序，对“高”风险等级的指标发出预警信号，给出抽检率提示(参照表5)。

Claims (10)

1.一种进口食品安全风险自动分级与预警系统，其特征在于，包括：
信息采集与处理模块，获取进口食品信息，并基于进口食品信息获取食品所属类别，建立包含进口食品信息和所属食品类别的第一表单，并发送至风险分级评价模块；
第一数据存储模块，存储评价指标库及标准规定的限量值，所述评价指标库包含四级评价指标体系，食品一级分类为第一级指标，食品二级分类为第二级指标，检测项目所属分类为第三级指标，具体检测项目为第四级指标；
第二数据存储模块，存储历史抽检过程中的实验室检测结果数据；
第三数据存储模块，存储从互联网上爬取的进口食品国际舆情通报信息和/或国内抽检通报信息；
风险分级评价模块，基于第一表单中的信息从第一数据存储模块中获取进口食品对应的四级指标及第四级指标标准规定的限量值；并从第二数据存储模块的历史检测记录中获取该进口食品对应的第四级指标的历史记录；基于第三数据存储模块中获取的通报次数和/或抽检不合格信息条数对四级指标设置风险调节因子，风险调节因子的取值根据通报次数和/或不合格次数的数量确定；
将第四级指标具体检测项目对应的历史检测结果与标准规定的限量值比较，分别计算获取四级指标的不合格率和不合格度；
通过专家打分法和熵值法结合的方式计算各级指标不合格率和不合格度的权重，用加权求和法计算各级指标的基础风险值；将风险调节因子与基础风险值的乘积作为最终风险值，并基于最终风险值划分风险等级；
基于最终风险值划分风险等级，并对各风险等级分配具体的抽检率；
预警模块，对分级为“高”风险等级的食品和指标发出预警。
2.根据权利要求1所述的系统，其特征在于，所述进口食品信息包括食品品名、品牌、进口国/地区、生产日期、企业名称、CIQ代码(13位海关编码)；
所述进口食品国际舆情通报信息和/或国内抽检通报信息包括食品类别、进口国/地区、企业名称、不合格/风险项目、通报时间。
3.根据权利要求1所述的系统，其特征在于，还包括第四数据存储模块，存储海关总署公布的准入国家和企业名单库；
所述风险分级评价模块基于进口食品信息遍历海关总署公布的准入国家和企业名单库，对不在名单中库中的食品直接列为“高”风险等级，对应最高抽检率。
4.根据权利要求1所述的系统，其特征在于，还包括第五数据存储模块，所述第五数据存储模块中存储进口国国家政府管理水平、进口国要求的检测项目限量值、进口企业诚信记录数据；
所述风险分级评价模块基于进口食品信息遍历第一数据存储模块、第三数据存储模块和第五数据存储模块，获取进口国国家政府管理水平、国内要求的检测项目及其限量值、进口国要求的检测项目限量值、进口企业诚信记录、进口国家/企业/食品的舆情通报信息和国内抽检通报信息；
基于获取的信息计算该批次食品总体风险等级；
根据总体风险等级设置抽样概率，按照抽样概率进行随机抽样，如果被抽中，则进行抽检项目风险等级计算，如果未被抽中则直接放行。
5.根据权利要求4所述的系统，其特征在于，所述风险分级评价模块基于获取的信息计算该批次食品总体风险等级的方式为：
将进口国国家政府管理水平转化为食品安全指数，根据全球食品安全指数报告中国家/地区排名，将所有排名在0-1之间按照等差数列赋分Ai；将我国食品安全指数值取为1，某国家食品安全指数＝我国食品安全指数-该国Ai+我国Ai；
将进口企业诚信记录转化为企业信用指数，根据中国海关企业进出口信用信息公示平台公布信息，按照平台认定的高级认证企业、一般信用企业和失信企业对企业信用指数进行三级赋分；
将进口国要求的检测项目限量值转化为标准限量安全指数，将进口国要求的检测项目限量值与我国标准进行对比，进行三级赋分；
将进口国家/企业/食品的舆情通报信息和国内抽检通报信息转化为舆情风险指数，根据通报次数+抽检不合格信息条数进行赋分；
根据该国家食品安全指数、企业信用指数、标准限量安全指数和舆情风险指数，利用加权求和法得出该批次食品总体风险值；
根据总体风险值数值进行分级，并按照总体风险等级分配抽样概率，总体风险等级越高抽样概率越高。
6.根据权利要求1所述的系统，其特征在于，基于第三数据存储模块中获取的通报次数和/或抽检不合格信息条数设置第四级指标的风险调节因子，第三级指标的风险调节因子为第四级指标风险调节因子的平均值，以此类推，分别得到四级指标的风险调节因子；将风险调节因子乘以基础风险值，得到最终风险值。
7.根据权利要求1所述的系统，其特征在于，所述通过专家打分法和熵值法结合的方式计算各级指标不合格率和不合格度的权重为：
将专家打分法得到的不合格率和不合格度的权重分别记为Wx1、Wy1，熵值法计算出的不合格率和不合格度的权重分别记为Wx2、Wy2，通过下式得出最终的不合格率权重Wx和不合格度权重Wy；
Figure FDA0003242916820000031
Figure FDA0003242916820000032
8.一种进口食品安全风险自动分级与预警方法，其特征在于，包括：
建立四级评价指标体系，食品一级分类为第一级指标，食品二级分类为第二级指标，检测项目所属分类为第三级指标，具体检测项目为第四级指标；
获取进口食品信息，基于进口食品信息获取食品所属类别；
获取进口食品国际舆情通报信息和/或国内抽检通报信息；
基于四级评价指标体系获取进口食品对应的四级指标及第四级指标标准规定的限量值；
从历史检测记录中获取该进口食品对应的第四级指标的历史记录；
将第四级指标具体检测项目对应的历史检测结果与标准规定的限量值比较，分别计算获取四级指标的不合格率和不合格度；其中不合格率指该指标被判定为不合格的个数占所有批次该类指标检测记录数的比例；不合格度为各级指标偏离标准的程度；
通过专家打分法和熵值法结合的方式计算各级指标不合格率和不合格度的权重，用加权求和法计算各级指标的基础风险值；
基于通报次数和/或抽检不合格信息条数对四级指标设置风险调节因子，风险调节因子的取值根据通报次数和/或不合格次数的数量确定；
将风险调节因子与基础风险值的乘积作为最终风险值，并基于最终风险值划分风险等级；
基于最终风险值划分风险等级，并对各风险等级分配具体的抽检率。
9.根据权利要求7所述的方法，其特征在于，还包括，基于进口食品信息进行初筛，包括：
基于进口食品信息获取进口国国家政府管理水平、国内要求的检测项目及其限量值、进口国要求的检测项目限量值、进口企业诚信记录、进口国家/企业/食品的舆情通报信息和国内抽检通报信息；
基于获取的信息计算该批次食品总体风险等级；
根据总体风险等级设置抽样概率，按照抽样概率进行随机抽样，如果被抽中，则进行抽检项目风险等级计算，如果未被抽中则直接放行。
10.根据权利要求7或8所述的方法，其特征在于，还包括：
基于进口食品信息遍历海关总署公布的准入国家和企业名单库，对不在名单中库中的食品直接列为“高”风险等级，对应最高抽检率。
CN202111024594.6A 2021-09-02 2021-09-02 一种进口食品安全风险自动分级与预警系统及方法 Active CN113762764B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111024594.6A CN113762764B (zh) 2021-09-02 2021-09-02 一种进口食品安全风险自动分级与预警系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111024594.6A CN113762764B (zh) 2021-09-02 2021-09-02 一种进口食品安全风险自动分级与预警系统及方法

Publications (2)

Publication Number Publication Date
CN113762764A true CN113762764A (zh) 2021-12-07
CN113762764B CN113762764B (zh) 2024-04-12

Family

ID=78792551

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111024594.6A Active CN113762764B (zh) 2021-09-02 2021-09-02 一种进口食品安全风险自动分级与预警系统及方法

Country Status (1)

Country Link
CN (1) CN113762764B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114418600A (zh) * 2022-01-19 2022-04-29 中国检验检疫科学研究院 一种食品输入风险监测预警方法
CN117151332A (zh) * 2023-08-31 2023-12-01 山东头一锅餐饮管理连锁有限公司 一种基于大数据的智能食品运输监测系统
CN118037515A (zh) * 2024-04-12 2024-05-14 广东省食品检验所(广东省酒类检测中心) 食品安全抽检风险分级预警方法、存储介质及系统

Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB0028499D0 (en) * 2000-11-22 2001-01-10 Nat Britannia Group Ltd Method, system and computer program product for risk assessment and risk management
WO2014092230A1 (ko) * 2012-12-13 2014-06-19 대한민국 (식품의약품안전청장) 위해예측기반 수입식품검사 시스템 및 방법
CN104346735A (zh) * 2014-10-25 2015-02-11 廖学文 一种app食品安全鉴别系统
CN104794570A (zh) * 2015-04-17 2015-07-22 云南同创检测技术股份有限公司 一种产品质量评价方法
CN105046362A (zh) * 2015-07-24 2015-11-11 河南科技大学 一种基于关联规则挖掘的食品安全实时预测方法
CN106127507A (zh) * 2016-06-13 2016-11-16 四川长虹电器股份有限公司 一种基于用户评价信息的商品舆情分析方法及系统
CN106529784A (zh) * 2016-10-26 2017-03-22 中国农业科学院农业质量标准与检测技术研究所 风险监测信息系统中样品合格的判定方法以及装置
CN107247807A (zh) * 2017-07-04 2017-10-13 山东浪潮云服务信息科技有限公司 一种监管在线餐饮的分析平台
CN107391493A (zh) * 2017-08-04 2017-11-24 青木数字技术股份有限公司 一种舆情信息提取方法、装置、终端设备及存储介质
CN107451710A (zh) * 2017-04-27 2017-12-08 北京鼎泰智源科技有限公司 一种信息风险等级五级分类方法及系统
CN109241429A (zh) * 2018-09-05 2019-01-18 食品安全与营养（贵州）信息科技有限公司 一种食品安全舆情监控方法及系统
CN110119908A (zh) * 2019-05-27 2019-08-13 贵州省疾病预防控制中心 一种食品安全风险监测理化数据分析系统
CN110427596A (zh) * 2019-07-30 2019-11-08 中国检验检疫科学研究院 一种进口工业品风险评估方法
US20190354907A1 (en) * 2018-05-17 2019-11-21 Ecolab Usa Inc. Food safety risk and sanitation compliance tracking
JP2020014439A (ja) * 2018-07-27 2020-01-30 イカリ消毒株式会社 検査方法及び検査システム
CN111738549A (zh) * 2020-05-21 2020-10-02 平安国际智慧城市科技股份有限公司 食品安全风险评估方法、装置、设备及存储介质
CN111967796A (zh) * 2020-09-02 2020-11-20 追溯云信息发展股份有限公司 食品企业信用评分方法、装置和电子设备
AU2020103340A4 (en) * 2020-11-10 2021-01-21 Guizhou Provincial Center For Disease Control And Prevention A Physical and Chemical Data Analysis System for Food Safety Risk Monitoring
CN112381364A (zh) * 2020-10-30 2021-02-19 浪潮云信息技术股份公司 一种食品质量抽检的综合评价方法
CN112964685A (zh) * 2021-02-06 2021-06-15 乐山市食品药品检验检测中心(乐山市药品不良反应监测中心) 一种食品中铝添加剂含量检测试剂盒及其检测方法

Patent Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB0028499D0 (en) * 2000-11-22 2001-01-10 Nat Britannia Group Ltd Method, system and computer program product for risk assessment and risk management
WO2014092230A1 (ko) * 2012-12-13 2014-06-19 대한민국 (식품의약품안전청장) 위해예측기반 수입식품검사 시스템 및 방법
CN104346735A (zh) * 2014-10-25 2015-02-11 廖学文 一种app食品安全鉴别系统
CN104794570A (zh) * 2015-04-17 2015-07-22 云南同创检测技术股份有限公司 一种产品质量评价方法
CN105046362A (zh) * 2015-07-24 2015-11-11 河南科技大学 一种基于关联规则挖掘的食品安全实时预测方法
CN106127507A (zh) * 2016-06-13 2016-11-16 四川长虹电器股份有限公司 一种基于用户评价信息的商品舆情分析方法及系统
CN106529784A (zh) * 2016-10-26 2017-03-22 中国农业科学院农业质量标准与检测技术研究所 风险监测信息系统中样品合格的判定方法以及装置
CN107451710A (zh) * 2017-04-27 2017-12-08 北京鼎泰智源科技有限公司 一种信息风险等级五级分类方法及系统
CN107247807A (zh) * 2017-07-04 2017-10-13 山东浪潮云服务信息科技有限公司 一种监管在线餐饮的分析平台
CN107391493A (zh) * 2017-08-04 2017-11-24 青木数字技术股份有限公司 一种舆情信息提取方法、装置、终端设备及存储介质
US20190354907A1 (en) * 2018-05-17 2019-11-21 Ecolab Usa Inc. Food safety risk and sanitation compliance tracking
JP2020014439A (ja) * 2018-07-27 2020-01-30 イカリ消毒株式会社 検査方法及び検査システム
CN109241429A (zh) * 2018-09-05 2019-01-18 食品安全与营养（贵州）信息科技有限公司 一种食品安全舆情监控方法及系统
CN110119908A (zh) * 2019-05-27 2019-08-13 贵州省疾病预防控制中心 一种食品安全风险监测理化数据分析系统
CN110427596A (zh) * 2019-07-30 2019-11-08 中国检验检疫科学研究院 一种进口工业品风险评估方法
CN111738549A (zh) * 2020-05-21 2020-10-02 平安国际智慧城市科技股份有限公司 食品安全风险评估方法、装置、设备及存储介质
CN111967796A (zh) * 2020-09-02 2020-11-20 追溯云信息发展股份有限公司 食品企业信用评分方法、装置和电子设备
CN112381364A (zh) * 2020-10-30 2021-02-19 浪潮云信息技术股份公司 一种食品质量抽检的综合评价方法
AU2020103340A4 (en) * 2020-11-10 2021-01-21 Guizhou Provincial Center For Disease Control And Prevention A Physical and Chemical Data Analysis System for Food Safety Risk Monitoring
CN112964685A (zh) * 2021-02-06 2021-06-15 乐山市食品药品检验检测中心(乐山市药品不良反应监测中心) 一种食品中铝添加剂含量检测试剂盒及其检测方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
L.MANNING等: "Mechanism for assessing food safety risk", BRITISH FOOD JOURNAL, vol. 115, no. 3, pages 460 - 484 *
MINAKO NAGAO: "A new approach to risk estimation of food-borne carcinogens - heterocyclic amines - based on molecular information", MUTATION RESEARCH/FUNDAMENTAL AND MOLECULAR MECHANISMS OF MUTAGENEIS, vol. 431, no. 1, pages 3 - 10 *
王旎等: "食品安全网络舆情检测应用进展与社会共治模式研究", 食品安全质量检测学报, vol. 11, no. 21, pages 8072 - 8078 *
陈晓燕等: "基于层次分析法的食物微生物安全风险评价体系研究", 食品安全质量检测学报, vol. 12, no. 07, pages 2636 - 2641 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114418600A (zh) * 2022-01-19 2022-04-29 中国检验检疫科学研究院 一种食品输入风险监测预警方法
CN114418600B (zh) * 2022-01-19 2023-04-14 中国检验检疫科学研究院 一种食品输入风险监测预警方法
CN117151332A (zh) * 2023-08-31 2023-12-01 山东头一锅餐饮管理连锁有限公司 一种基于大数据的智能食品运输监测系统
CN117151332B (zh) * 2023-08-31 2024-05-07 山东每日好农业发展有限公司 一种基于大数据的智能食品运输监测系统
CN118037515A (zh) * 2024-04-12 2024-05-14 广东省食品检验所(广东省酒类检测中心) 食品安全抽检风险分级预警方法、存储介质及系统

Also Published As

Publication number Publication date
CN113762764B (zh) 2024-04-12

Similar Documents

Publication Publication Date Title
CN113762764B (zh) 一种进口食品安全风险自动分级与预警系统及方法
Tran et al. The relationship between corporate social responsibility, financial misstatements and SEC enforcement actions
Cuyvers et al. The methodology of the decision support model (DSM)
CN111062597A (zh) 一种上市公司财务报表粉饰嫌疑检测方法及装置
CN113449964A (zh) 一种企业金融风险监测预警系统及监测预警方法
CN112860769A (zh) 一种能源规划数据管理系统
CN113642922A (zh) 一种中小微企业信用评估方法及装置
CN114049026A (zh) 一种基于层次分析法的工业互联网标识解析风险评估方法
CN116664012A (zh) 一种基于大数据分析的企业信用评估方法及系统
CN112330095A (zh) 一种基于决策树算法的质量管理方法
CN114638498A (zh) Esg评价方法、系统、电子设备及存储设备
CN113065969A (zh) 企业评分模型构建方法、企业评分方法、介质和电子设备
CN115587653A (zh) 基于危化品风险画像的运输企业风险预测方法及系统
CN112037006A (zh) 小微企业的信用风险识别方法及装置
Chen et al. Firm-level ESG information and active fund management
CN101706898A (zh) 用于检验检疫的输欧消费品安全风险评估预警系统及方法
CN108122059B (zh) 一种药品生产企业的生产风险识别的方法及自动预警系统
CN113919932A (zh) 一种基于贷款申请评分模型的客户评分偏移检测方法
CN110866696B (zh) 商铺掉铺风险评估模型训练方法及装置
CN116703158A (zh) 一种关于进口食品风险预警的风险评估模型构建方法
Jacintho et al. Analysing spatio-temporal voting patterns in brazilian elections through a simple data science pipeline
CN115310900A (zh) 一种网络货运平台诚信管理的大数据预警系统
CN113962565B (zh) 一种基于大数据的项目评分方法、系统和可读存储介质
CN114511155A (zh) 一种多尺度关联融合的食品安全风险预测预警方法
CN114625781A (zh) 一种基于商品住房价值的批量评估方法

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
GR01 Patent grant
GR01 Patent grant