CN115829321B - 一种食品企业加工过程风险智能化处置系统 - Google Patents

一种食品企业加工过程风险智能化处置系统 Download PDF

Info

Publication number
CN115829321B
CN115829321B CN202211463103.2A CN202211463103A CN115829321B CN 115829321 B CN115829321 B CN 115829321B CN 202211463103 A CN202211463103 A CN 202211463103A CN 115829321 B CN115829321 B CN 115829321B
Authority
CN
China
Prior art keywords
risk
food
processing
value
data
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.)
Active
Application number
CN202211463103.2A
Other languages
English (en)
Other versions
CN115829321A (zh
Inventor
谯斌宗
毕小玲
王鑫
万渝平
蔡炯
王立山
郑漫江
张敏
雷宜
郑璋莉
李南
罗翰林
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.)
Chengdu Institute Of Food Inspection
Original Assignee
Chengdu Institute Of Food Inspection
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 Chengdu Institute Of Food Inspection filed Critical Chengdu Institute Of Food Inspection
Priority to CN202211463103.2A priority Critical patent/CN115829321B/zh
Publication of CN115829321A publication Critical patent/CN115829321A/zh
Application granted granted Critical
Publication of CN115829321B publication Critical patent/CN115829321B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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

  • General Preparation And Processing Of Foods (AREA)

Abstract

本发明公开了一种食品企业加工过程风险智能化处置系统，涉及食品安全技术领域，该系统包括：采集单元，用于采集食品企业加工过程的风险数据；控制单元，用于控制采集风险数据的采集频率；存储单元，用于存储采集的风险数据；风险评级单元，用于对食品企业加工过程中N个加工节点进行风险评级得到风险评级数据；分析单元，用于对存储的风险数据和风险评级数据进行分析，得到食品企业加工过程的风险分析结果；处理单元，用于基于该食品企业加工过程的风险分析结果，对食品企业加工过程进行处理。本系统能及时和准确的对食品企业加工过程中的风险进行处理。

Description

一种食品企业加工过程风险智能化处置系统
技术领域
本发明涉及食品安全技术领域，具体地，涉及一种食品企业加工过程风险智能化处置系统。
背景技术
现阶段食品企业对于食品加工过程中的风险处理大多是基于对半产品和产品的检验结果，通过人工来确定和排查食品加工过程中的风险和问题，并采取相应的改进措施。上述对食品加工过程中的风险处理存在以下弊端：一是由于需要通过半产品或者产品的检验结果来排查风险和问题，再采取相应措施，存在延时性，导致食品企业生产出较多不合格的产品，造成较大损失；二是通过人工来确定和排查加工过程中的风险和问题，存在排查时间较长或者排查问题不准确的弊端。
发明内容
为实现及时和准确的对食品企业加工过程中的风险进行处理，本发明提供了一种食品企业加工过程风险智能化处置系统，所述系统包括：
采集单元：用于采集食品企业加工过程的风险数据；
控制单元：用于控制所述采集单元采集食品企业加工过程的风险数据的采集频率；
存储单元：用于对采集的食品企业加工过程的风险数据进行存储；
风险评级单元：用于对食品企业加工过程中N个加工节点进行风险评级，N为≧1的正整数，获得食品企业加工过程中N个加工节点的风险评级数据；
分析单元：用于对所述存储单元中食品企业加工过程的风险数据和所风险评级单元中食品企业加工过程中N个加工节点的风险评级数据进行分析，获得食品企业加工过程的风险分析结果；
处理单元：用于基于所述食品企业加工过程的风险分析结果，对食品企业加工过程进行处理。
本发明原理：通过采集单元来采集食品企业加工过程的风险数据，并通过控制单元来控制采集风险数据的频率，在食品企业加工过程中，影响食品加工的风险数据如原材料数据、加工设备数据、人员数据和加工环境数据，本系统为了在节省资源的同时不影响对食品加工风险的处理，对原材料风险数据进行实时采集，但对加工设备风险数据、人员风险数据和加工环境风险数据可以设置时间间隔来进行采集。然后再通过存储单元对采集的风险数据进行存储，同时利用风险评级单元对食品企业加工过程中的N个节点进行风险评级得到风险评级数据，分析单元再基于采集的风险数据和食品加工过程中每个节点的风险评级数据得到风险分析结果，最后处理单元基于该风险分析结果对食品企业加工过程中出现的风险进行处理。本系统通过控制单元来控制采集单元采集风险数据的频率，再通过存储单元对采集的风险数据进行存储，同时利用风险评级单元得到食品加工过程中每个节点的风险评级数据，分析单元风险数据和风险评级数据得到风险分析结果，最后处理单元基于该风险分析结果进行处理，一是解决了由于需要通过半产品或者产品的检验结果来排查风险和问题再采取相应措施所存在的延时性，二是避免了利用人工来确定和排查加工过程中的风险和问题，存在排查时间较长或者排查问题不准确的弊端，实现了及时和准确的对食品企业加工过程中的风险进行处理。
优选的，所述控制单元用于控制所述采集单元采集食品企业加工过程的风险数据的采集频率包括：获取所述风险数据的数据类型并与预设数据类型进行匹配，若匹配成功，所述控制单元则控制所述采集单元采用第一预设频率对与所述预设数据类型匹配成功对应的风险数据进行采集，若匹配失败，所述控制单元则控制所述采集单元采用第二预设频率对与所述预设数据类型匹配失败对应的风险数据进行采集，所述第一预设频率高于所述第二预设频率。
其中，由于食品在加工过程中存在加工节点和加工线路较多的问题，如果对影响食品加工的风险数据都采用实时采集，一定程度上确实能提高本系统对食品加工过程风险处理的效果，但是也存在需要更多采集资源的问题。因此就需要基于风险数据的数据类型来设置风险数据的采集频率，例如设置原材料风险数据的采集频率高于加工环境风险数据的采集频率，来保证不影响本系统对食品企业加工风险的处理效果的同时达到节省资源的目的，
优选的，所述风险评级单元对所述食品企业加工过程中N个加工节点进行风险评级包括：获得所述N个加工节点中每个节点的食品加工人员风险值An＝Hn+In+Jn，其中，Hn为食品加工人员在加工过程中的事故等级值，In为食品加工人员的工龄等级值，Jn为食品加工人员加工食品达标等级值；获得所述N个加工节点中每个节点的食品加工设备风险值Bn＝Kn+Ln+Mn，其中，Kn为食品加工设备在加工过程的事故等级值，Ln为食品加工设备的使用年限等级值，Mn为食品加工设备的保修频率等级值；获得所述N个加工节点中每个节点的食品加工环境风险值Cn＝On+Pn+Qn，其中，On为食品加工环境的清洗消毒频率等级值，Pn为食品加工环境的湿度温度等级值，Qn为食品加工环境的颗粒悬浮物等级值；获得所述N个加工节点中每个节点的食品原材料风险值Dn＝Rn+Sn+Tn，其中，Rn为食品原材料的微生物指标等级值，Sn为食品原材料的药物残留量等级值，Tn为食品原材料毒素残留量等级值。
其中，风险评级单元对食品企业加工过程中每个加工节点进行风险评级，首先获得每个加工节点的食品加工人员风险值、食品加工设备风险值、食品加工环境风险值和食品原材料风险值，食品加工人员风险值等于食品加工人员在加工过程中的事故等级值、食品加工人员的工龄等级值和食品加工人员加工食品达标等级值的和值，在实际生产过程中，加工人员是否出现加工事故、加工人员的工龄和加工人员加工食品的达标率都对食品质量有着重要影响，因此通过食品加工人员风险值来综合体现加工人员加工事故因素、加工人员工龄因素和加工人员食品达标因素对食品质量的影响；食品加工设备风险值等于食品加工设备在加工过程的事故等级值、食品加工设备的使用年限等级值和食品加工设备的保修频率等级值的和值，在实际生产过程中，加工设备是否出现加工事故、加工设备的使用年限和加工设备的保修频率都对食品质量有着重要影响，因此通过食品加工设备风险值来综合体现加工设备加工事故因素、加工设备的使用年限因素和加工设备的保修频率因素对食品质量的影响；食品加工环境风险值等于食品加工环境的清洗消毒频率等级值、食品加工环境的湿度温度等级值和食品加工环境的颗粒悬浮物等级值的和值，在实际生产过程中，加工环境的清洗消毒次数、加工环境的温度湿度和加工环境的污染情况都对食品质量有着重要影响，因此通过食品加工环境风险值来综合体现加工环境的清洗消毒频率因素、加工环境的温湿度因素和加工环境的颗粒悬浮物因素对食品质量的影响；食品原材料风险值等于食品原材料的微生物指标等级值、食品原材料的药物残留量等级值和食品原材料残留的毒素等级值的和值，在实际生产过程中，食品原材料的微生物指标、药物残留量和毒素残留量都对食品质量有着重要影响，因此通过食品原材料风险值来综合体现食品原材料的微生物因素、药物残留因素和毒素残留因素对食品质量的影响。
优选的，所述风险评级单元对所述食品企业加工过程中N个加工节点进行风险评级还包括：计算获得所述N个加工节点中每个节点的综合风险值Yn＝λ1An+λ2Bn+λ3Cn+λ4Dn，其中，λ1、λ2、λ3和λ4分别为所述N个加工节点中每个节点对应的食品加工人员风险值、食品加工设备风险值、食品加工环境风险值和食品原材料风险值的权重系数，An、Bn、Cn和Dn分别为所述N个加工节点中每个节点对应的食品加工人员风险值、食品加工设备风险值、食品加工环境风险值和食品原材料风险值。
其中，在获得食品加工过程中每个节点对应的食品加工人员风险值、食品加工设备风险值、食品加工环境风险值和食品原材料风险值后，利用Yn＝λ1An+λ2Bn+λ3Cn+λ4Dn此公式来计算每个节点对应的综合风险值，通过对每个节点设置综合风险值来体现该节点所对应的加工风险的大小，能更迅速了解该加工节点对应的风险情况，λ1、λ2、λ3和λ4分别为其对应的权重系数，因为在实际食品加工过程中，人员、设备、环境和原材料的风险对于每个加工节点的影响都存在差异，通过设置权重系数来体现人员、设备、环境和原材料的风险对于每个加工节点影响的不同。
优选的，所述风险评级单元包括第一训练子单元，所述第一训练子单元用于获取所述食品企业加工过程中所述N个加工节点中每个节点的食品加工人员风险值、食品加工设备风险值、食品加工环境风险值和食品原材料风险值的历史数据，并基于所述食品企业加工过程中的风险分析结果，构建权重模型并对所述权重模型进行训练，基于训练后的所述权重模型，对所述N个加工节点中每个节点对应的λ1、λ2、λ3和λ4进行赋值。
其中，λ1体现了食品加工人员风险对于食品加工节点风险的影响程度，λ2体现了食品加工设备对于食品加工节点风险的影响程度，λ3体现了食品加工环境对于食品加工节点风险的影响程度，λ4体现了食品原材料风险对于食品加工节点风险的影响程度，通过获取食品企业加工过程中每个节点的食品加工人员风险值、食品加工设备风险值、食品加工环境风险值和食品原材料风险值的大量历史数据，并基于风险分析结果，来构建权重模型并进行训练，得到每个节点对应的λ1、λ2、λ3和λ4的具体值。通过该第一训练子单元能直接获取到每个节点的食品加工人员风险值、食品加工设备风险值、食品加工环境风险值和食品原材料风险值所对应的权重系数。
优选的，所述风险评级单元还包括第二训练子单元，所述第二训练子单元用于获取所述食品企业加工过程中所述N个加工节点中每个节点的综合风险值的历史数据，并基于所述食品企业加工过程中的风险分析结果，构建阈值模型并对所述阈值模型进行训练，基于训练后的所述阈值模型，对所述N个加工节点中每个节点均设置第一风险阈值和第二风险阈值。
其中，在食品实际生产过程中，加工节点的加工风险当超过风险范围的程度较小时，仍可以通过调整后续节点或者其他措施进行补救处理，不会影响最后产品的质量，但如果加工节点的加工风险超过风险范围的程度较大时，就无法通过后续节点或者其他措施进行补救处理来保证最后产品的质量，因此通过构建阈值模型来对每个节点设置第一风险阈值和第二风险阈值，其分别对应加工节点的加工风险超过风险范围程度较小的情况和超过风险范围程度较大的情况。
优选的，所述处理单元基于所述食品企业加工过程的风险分析结果，对食品企业加工过程进行处理包括：获取所述N个加工节点中每个节点的综合风险值并与每个节点对应的所述第一风险阈值和所述第二风险阈值进行对比，当所述N个加工节点中第一节点的综合风险值超过所述第一节点对应的所述第一风险阈值但未超过对应的所述第二风险阈值，则采用第一处置措施，当所述N个加工节点中所述第一节点的综合风险值超过所述第一节点对应的所述第二风险阈值，则采用第二处置措施。
其中，当第一节点的综合风险值超过对应的第一风险阈值但未超过对应的第二风险阈值，说明此时第一节点的加工风险超过风险范围的程度较小，仍可以通过调整后续节点或者其他措施来进行处理，不会影响后续产品的质量；当第一节点的综合风险值超过对应的第二风险阈值，说明此时第一节点的加工风险超过风险范围的程度较大，已经无法通过后续措施进行补救来保证最终产品的质量。针对上述两种情况，采用第一处置措施和第二处置措施来分别进行处理，其目的都是为了减少因为加工节点风险所造成的损失和保证最后产品的质量。
优选的，采用第一处置措施包括：保持所述N个加工节点对应的食品加工流程正常运转，并对食品加工流程位于所述第一节点后的加工节点对应的所述第一风险阈值和所述第二风险阈值进行调整。
其中，阐述了第一处置措施的实施方法，首先保证N个节点其对应的加工流程保持正常运转，同时对位于第一节点后的节点的第一风险阈值和第二风险阈值进行调整，通过将后续节点的第一风险阈值和第二风险阈值进行相应的调小，达到后续节点对于风险管控更严格的效果，依此来保证最终产品的质量不会出现问题。
优选的，采用第二处置措施包括：停止所述N个加工节点对应的食品加工流程，并基于所述第一节点的风险分析结果，对所述第一节点对应的食品加工人员、食品加工设备、食品加工环境和食品原材料进行调整。
其中，阐述了第二处置措施的实施方法，因为此时第一节点的风险问题已无法通过后续其他措施进行补救，为了避免生产出较多的不合格产品所带来的较大的损失，所以需要将N个节点对应的食品加工流程进停止，同时基于该第一节点的风险分析结果，对第一节点相应的人员、设备、环境或者原材料进行调整。
优选的，所述存储单元对采集的食品企业加工过程的风险数据进行存储包括：采用分布式数据库对采集的食品企业加工过程的风险数据进行存储。
其中，分布式数据库存储数据的优点在于：所有的数据都存储在不同的物理节点上，其结构更为灵活；系统可靠性更强，而且响应速度快，更有益于扩展；更适合分布式的管理和控制。
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：
本发明通过控制单元来控制采集单元采集风险数据的频率，再通过存储单元对采集的风险数据进行存储，同时利用风险评级单元得到食品加工过程中每个节点的风险评级数据，分析单元风险数据和风险评级数据得到风险分析结果，最后处理单元基于该风险分析结果进行处理，实现了及时和准确的对食品企业加工过程中的出现的风险进行处理。
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是本发明中一种食品企业加工过程风险智能化处置系统组成示意图。
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。
实施例一
请参考图1，为本发明中一种食品企业加工过程风险智能化处置系统组成示意图，所述系统包括：
采集单元：用于采集食品企业加工过程的风险数据；
控制单元：用于控制所述采集单元采集食品企业加工过程的风险数据的采集频率；
存储单元：用于对采集的食品企业加工过程的风险数据进行存储；
风险评级单元：用于对食品企业加工过程中N个加工节点进行风险评级，N为≧1的正整数，获得食品企业加工过程中N个加工节点的风险评级数据；
分析单元：用于对所述存储单元中食品企业加工过程的风险数据和所风险评级单元中食品企业加工过程中N个加工节点的风险评级数据进行分析，获得食品企业加工过程的风险分析结果；
处理单元：用于基于所述食品企业加工过程的风险分析结果，对食品企业加工过程进行处理。
其中，所述控制单元用于控制所述采集单元采集食品企业加工过程的风险数据的采集频率包括：获取所述风险数据的数据类型并与预设数据类型进行匹配，若匹配成功，所述控制单元则控制所述采集单元采用第一预设频率对与所述预设数据类型匹配成功对应的风险数据进行采集，若匹配失败，所述控制单元则控制所述采集单元采用第二预设频率对与所述预设数据类型匹配失败对应的风险数据进行采集，所述第一预设频率高于所述第二预设频率。例如预设数据类型为原材料的风险数据类型，获得的风险数据的数据类型包括原材料风险数据、加工人员风险数据和加工环境风险数据的数据类型，将获得的风险数据的数据类型与预设的数据类型进行匹配，此时原材料风险数据类型匹配成功，控制单元则对原材料风险数据的采集频率设置为第一预设频率(如实时采集)，而此时加工人员风险数据和加工环境风险数据的数据类型匹配失败，控制单元则对加工人员风险数据和加工环境风险数据的采集频率设置为第二预设频率(如每半小时采集一次)。上述关于预设数据类型、第一预设频率和第二预设频率，都可根据实际需求进行调整，本发明不做具体限定。
其中，所述风险评级单元对所述食品企业加工过程中N个加工节点进行风险评级包括：获得所述N个加工节点中每个节点的食品加工人员风险值An＝Hn+In+Jn，其中，Hn为食品加工人员在加工过程中的事故等级值，In为食品加工人员的工龄等级值，Jn为食品加工人员加工食品达标等级值；获得所述N个加工节点中每个节点的食品加工设备风险值Bn＝Kn+Ln+Mn，其中，Kn为食品加工设备在加工过程的事故等级值，Ln为食品加工设备的使用年限等级值，Mn为食品加工设备的保修频率等级值；获得所述N个加工节点中每个节点的食品加工环境风险值Cn＝On+Pn+Qn，其中，On为食品加工环境的清洗消毒频率等级值，Pn为食品加工环境的湿度温度等级值，Qn为食品加工环境的颗粒悬浮物等级值；获得所述N个加工节点中每个节点的食品原材料风险值Dn＝Rn+Sn+Tn，其中，Rn为食品原材料的微生物指标等级值，Sn为食品原材料的药物残留量等级值，Tn为食品原材料毒素残留量等级值。食品企业加工过程中每个节点食品加工人员的风险值计算方式An＝Hn+In+Jn，如果该节点加工人员在加工过程中发生事故的频率较高则相应的事故等级值较高，则取Hn为5(风险等级值范围都为0-5)；如该节点加工人员工龄时间较长说明该加工人员对于加工流程更为熟悉，则取In为0；如果该节点加工人员加工食品达标率较高则说明经过该加工人员加工的食品合格率越高，则取Jn为0。食品企业加工过程中每个节点食品加工设备的风险值计算方式Bn＝Kn+Ln+Mn，如果该节点加工设备在加工食品过程中出现风险事故的频率较高，则取Kn为5；如果该节点加工设备使用的年限较短说明该加工设备出现问题的概率较小，则取Ln为0；如果该节点加工设备的保修频率较高说明该加工设备相较于保修频率较低的设备出现问题的概率更小，则取Mn为0。食品企业加工过程中每个节点食品加工环境的风险值计算方式Cn＝On+Pn+Qn，如果该节点食品加工环境的清洗消毒频率较高说明食品在加工过程中受到环境污染的概率更小，则取On为0；如果该节点食品加工环境的温度湿度较适宜说明空气的温湿度对食品加工的影响更小，则取Pn为0；如果该节点食品加工环境的颗粒悬浮物较多说明此时加工环境的空气质量较差，对食品加工影响较大，则取Qn为5；食品企业加工过程中每个节点食品原材料的风险值的计算方式Dn＝Rn+Sn+Tn，如果食品原材料的微生物指标合格说明该食品原材料受微生物因素影响较小，则取Rn为0；如果食品原材料的药物残留量合格说明该食品原材料受残留药物因素影响较小，则取Sn为0；如果食品原材料残留的毒素含量合格说明该食品原材料受毒素因素影响较小，则取Tn为0。上述数据只是起到解释说明的作用，可根据实际需求进行调整，本发明不做具体限定。
其中，所述风险评级单元对所述食品企业加工过程中N个加工节点进行风险评级还包括：计算获得所述N个加工节点中每个节点的综合风险值Yn＝λ1An+λ2Bn+λ3Cn+λ4Dn，其中，λ1、λ2、λ3和λ4分别为所述N个加工节点中每个节点对应的食品加工人员风险值、食品加工设备风险值、食品加工环境风险值和食品原材料风险值的权重系数，An、Bn、Cn和Dn分别为所述N个加工节点中每个节点对应的食品加工人员风险值、食品加工设备风险值、食品加工环境风险值和食品原材料风险值。食品企业加工过程中每个节点的综合风险值计算方式Yn＝λ1An+λ2Bn+λ3Cn+λ4Dn，例如λ1、λ2、λ3和λ4的值分别为0.2、0.1、0.3和0.4，则表明对每个节点综合风险值影响程度大小依次为原材料、加工环境、加工人员和加工设备，An、Bn、Cn和Dn分别取值为5、5、5和0，则最终Yn的值为3。上述数据只是起到解释说明的作用，都可根据实际需求进行调整，本发明不做具体限定。
其中，所述风险评级单元包括第一训练子单元，所述第一训练子单元用于获取所述食品企业加工过程中所述N个加工节点中每个节点的食品加工人员风险值、食品加工设备风险值、食品加工环境风险值和食品原材料风险值的历史数据，并基于所述食品企业加工过程中的风险分析结果，构建权重模型并对所述权重模型进行训练，基于训练后的所述权重模型，对所述N个加工节点中每个节点对应的λ1、λ2、λ3和λ4进行赋值。对食品企业加工过程中每个节点的食品加工人员风险值、食品加工设备风险值、食品加工环境风险值和食品原材料风险值的历史数据进行学习，并基于食品企业加工过程中的风险分析结果，在此基础上构建权重模型，在对该权重模型进行训练时可采用因子分析法、主成分分析法、AHP层次法、优序图法、CRITIC权重法或者信息量权重法等其他权重系数分析方法，基于训练完成后的权重模型，对每个节点对应的λ1、λ2、λ3和λ4进行赋值。对于每个节点对应的食品加工人员风险值、食品加工设备风险值、食品加工环境风险值和食品原材料风险值的权重系数的赋值，可根据实际需求进行调整，本发明不做具体限定。
其中，所述风险评级单元还包括第二训练子单元，所述第二训练子单元用于获取所述食品企业加工过程中所述N个加工节点中每个节点的综合风险值的历史数据，并基于所述食品企业加工过程中的风险分析结果，构建阈值模型并对所述阈值模型进行训练，基于训练后的所述阈值模型，对所述N个加工节点中每个节点均设置第一风险阈值和第二风险阈值。食品企业在实际生产食品过程中，对于某些节点出现的细微风险可通过后续节点或者措施进行补救来消除，并不会对最终产品的质量产生影响，而对于某些节点出现的重大风险，即使通过后续其他措施也无法消除这种风险，且会对最终产品的质量产生影响。针对上述两种情况，利用第二训练子单元对食品企业加工过程中每个节点的综合风险值的历史数据进行学习，并基于食品企业加工过程中的风险分析结果，构建阈值模型并对该阈值模型进行训练，得到第一风险阈值和第二风险阈值。
其中，所述处理单元基于所述食品企业加工过程的风险分析结果，对食品企业加工过程进行处理包括：获取所述N个加工节点中每个节点的综合风险值并与每个节点对应的所述第一风险阈值和所述第二风险阈值进行对比，当所述N个加工节点中第一节点的综合风险值超过所述第一节点对应的所述第一风险阈值但未超过对应的所述第二风险阈值，则采用第一处置措施，当所述N个加工节点中所述第一节点的综合风险值超过所述第一节点对应的所述第二风险阈值，则采用第二处置措施。例如设置第一节点的第一风险阈值为5，第二风险阈值为8，当第一节点的综合风险值为6时，此时第一节点的综合风险值超过了其对应的第一风险阈值但未超过第二风险阈值，则采用第一处置措施；当第一节点的综合风险值为9时，此时第一节点的综合风险值超过了其对应的第二风险阈值，则采用第二处置措施。上述数据只是起到解释说明的作用，可根据实际需求进行调整，本发明不做具体限定。
其中，采用第一处置措施包括：保持所述N个加工节点对应的食品加工流程正常运转，并对食品加工流程位于所述第一节点后的加工节点对应的所述第一风险阈值和所述第二风险阈值进行调整。例如该食品加工流程共包括有5个节点对食品进行加工，第一节点为5个节点中的第3个节点，第4个节点的第一风险阈值和第二风险阈值分别为6和9，第5个节点的第一风险阈值和第二风险阈值分别为5和7，当对第一节点采用第一处置措施时，首先保持该5个节点的加工流程保持正常运转，同时对第4个节点和第5个节点对应的第一风险阈值和第二风险阈值进行调整，即将第4个节点的第一风险阈值和第二风险阈值调整为5和8，将第5个节点的第一风险阈值和第二风险阈值调整为4和6。上述数据只是起到解释说明的作用，可根据实际需求进行调整，本发明不做具体限定。
其中，采用第二处置措施包括：停止所述N个加工节点对应的食品加工流程，并基于所述第一节点的风险分析结果，对所述第一节点对应的食品加工人员、食品加工设备、食品加工环境和食品原材料进行调整。例如该食品加工流程包括有6个节点，第一节点为第2个节点，当对第一节点采用第二处置措施时，首先将该6个节点对应的加工流程停止，同时基于第一节点的风险分析结果，对第一节点对应的食品加工人员、食品加工设备、食品加工环境和食品原材料进行调整，如第一节点的风险分析结果是因为加工人员操作不当造成的风险，则通过更换加工人员或者对该加工人员进行指导来解决，如第一节点的风险分析结果是因为加工设备出现问题造成的风险，则通过对加工设备进行保修来解决，如第一节点的风险分析结果是因为加工环境的温湿度失调造成的风险，则通过相应的设备对加工环境的温湿度进行调节，如第一节点的风险分析结果是由于原材料的毒素残留量不合格(比如一些豆类在高温潮湿的环境中任意滋生黄曲霉素等)造成的风险，则需要及时更换食品原材料并对后续需要进行加工的食品原材料进行检测。上述数据和实施例只是起到解释说明的作用，都可根据实际需求进行调整，本发明不做具体限定。
其中，所述存储单元对采集的食品企业加工过程的风险数据进行存储包括：采用分布式数据库对采集的食品企业加工过程的风险数据进行存储。之所以采用分布式数据库对采集的风险数据进行存储，一是由于食品企业在生产过程中所需要采集的风险数据量较大，二是由于食品加工节点和产线较多，所需要采集的风险数据较为分散。而分布式数据库优点在于：更适合分布式的管理和控制；具有灵活的体系结构；系统经济，可靠性高，可用性好；响应速度快；可扩展性好，易于扩充。对于分布式数据库型号可以选择TiDB、Spanner和TDSQL等其他类型的数据库，可根据实际需求进行选择，本发明不做具体限定。
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 (8)

1.一种食品企业加工过程风险智能化处置系统，其特征在于，所述系统包括：
采集单元：用于采集食品企业加工过程的风险数据；
控制单元：用于控制所述采集单元采集食品企业加工过程的风险数据的采集频率；
存储单元：用于对采集的食品企业加工过程的风险数据进行存储；
风险评级单元：用于对食品企业加工过程中N个加工节点进行风险评级，N为≧1的正整数，获得食品企业加工过程中N个加工节点的风险评级数据；所述风险评级单元对所述食品企业加工过程中N个加工节点进行风险评级包括，获得所述N个加工节点中每个节点的食品加工人员风险值An= Hn+In+Jn，其中，Hn为食品加工人员在加工过程中的事故等级值，In为食品加工人员的工龄等级值，Jn为食品加工人员加工食品达标等级值；获得所述N个加工节点中每个节点的食品加工设备风险值Bn=Kn+Ln+Mn，其中，Kn为食品加工设备在加工过程的事故等级值，Ln为食品加工设备的使用年限等级值，Mn为食品加工设备的保修频率等级值；获得所述N个加工节点中每个节点的食品加工环境风险值Cn=On+Pn+Qn，其中，On为食品加工环境的清洗消毒频率等级值，Pn为食品加工环境的湿度温度等级值，Qn为食品加工环境的颗粒悬浮物等级值；获得所述N个加工节点中每个节点的食品原材料风险值Dn=Rn+Sn+Tn，其中，Rn为食品原材料的微生物指标等级值，Sn为食品原材料的药物残留量等级值，Tn为食品原材料毒素残留量等级值；计算获得所述N个加工节点中每个节点的综合风险值Yn=λ1 An+λ2Bn+λ3Cn+λ4Dn，其中，λ1、λ2、λ3和λ4分别为所述N个加工节点中每个节点对应的食品加工人员风险值、食品加工设备风险值、食品加工环境风险值和食品原材料风险值的权重系数，An、 Bn 、Cn和Dn分别为所述N个加工节点中每个节点对应的食品加工人员风险值、食品加工设备风险值、食品加工环境风险值和食品原材料风险值；
分析单元：用于对所述存储单元中食品企业加工过程的风险数据和所风险评级单元中食品企业加工过程中N个加工节点的风险评级数据进行分析，获得食品企业加工过程的风险分析结果；
处理单元：用于基于所述食品企业加工过程的风险分析结果，对食品企业加工过程进行处理。
2.根据权利要求1所述的一种食品企业加工过程风险智能化处置系统，其特征在于，所述控制单元用于控制所述采集单元采集食品企业加工过程的风险数据的采集频率包括：获取所述风险数据的数据类型并与预设数据类型进行匹配，若匹配成功，所述控制单元则控制所述采集单元采用第一预设频率对与所述预设数据类型匹配成功对应的风险数据进行采集，若匹配失败，所述控制单元则控制所述采集单元采用第二预设频率对与所述预设数据类型匹配失败对应的风险数据进行采集，所述第一预设频率高于所述第二预设频率。
3.根据权利要求1所述的一种食品企业加工过程风险智能化处置系统，其特征在于，所述风险评级单元包括第一训练子单元，所述第一训练子单元用于获取所述食品企业加工过程中所述N个加工节点中每个节点的食品加工人员风险值、食品加工设备风险值、食品加工环境风险值和食品原材料风险值的历史数据，并基于所述食品企业加工过程中的风险分析结果，构建权重模型并对所述权重模型进行训练，基于训练后的所述权重模型，对所述N个加工节点中每个节点对应的λ1、λ2、λ3和λ4进行赋值。
4.根据权利要求1所述的一种食品企业加工过程风险智能化处置系统，其特征在于，所述风险评级单元还包括第二训练子单元，所述第二训练子单元用于获取所述食品企业加工过程中所述N个加工节点中每个节点的综合风险值的历史数据，并基于所述食品企业加工过程中的风险分析结果，构建阈值模型并对所述阈值模型进行训练，基于训练后的所述阈值模型，对所述N个加工节点中每个节点均设置第一风险阈值和第二风险阈值。
5.根据权利要求4所述的一种食品企业加工过程风险智能化处置系统，其特征在于，所述处理单元基于所述食品企业加工过程的风险分析结果，对食品企业加工过程进行处理包括：获取所述N个加工节点中每个节点的综合风险值并与每个节点对应的所述第一风险阈值和所述第二风险阈值进行对比，当所述N个加工节点中第一节点的综合风险值超过所述第一节点对应的所述第一风险阈值但未超过对应的所述第二风险阈值，则采用第一处置措施，当所述N个加工节点中所述第一节点的综合风险值超过所述第一节点对应的所述第二风险阈值，则采用第二处置措施。
6.根据权利要求5所述的一种食品企业加工过程风险智能化处置系统，其特征在于，采用第一处置措施包括：保持所述N个加工节点对应的食品加工流程正常运转，并对食品加工流程位于所述第一节点后的加工节点对应的所述第一风险阈值和所述第二风险阈值进行调整。
7.根据权利要求5所述的一种食品企业加工过程风险智能化处置系统，其特征在于，采用第二处置措施包括：停止所述N个加工节点对应的食品加工流程，并基于所述第一节点的风险分析结果，对所述第一节点对应的食品加工人员、食品加工设备、食品加工环境和食品原材料进行调整。
8.根据权利要求1所述的一种食品企业加工过程风险智能化处置系统，其特征在于，所述存储单元对采集的食品企业加工过程的风险数据进行存储包括：采用分布式数据库对采集的食品企业加工过程的风险数据进行存储。
CN202211463103.2A 2022-11-22 2022-11-22 一种食品企业加工过程风险智能化处置系统 Active CN115829321B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211463103.2A CN115829321B (zh) 2022-11-22 2022-11-22 一种食品企业加工过程风险智能化处置系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211463103.2A CN115829321B (zh) 2022-11-22 2022-11-22 一种食品企业加工过程风险智能化处置系统

Publications (2)

Publication Number Publication Date
CN115829321A CN115829321A (zh) 2023-03-21
CN115829321B true CN115829321B (zh) 2023-08-15

Family

ID=85530071

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211463103.2A Active CN115829321B (zh) 2022-11-22 2022-11-22 一种食品企业加工过程风险智能化处置系统

Country Status (1)

Country Link
CN (1) CN115829321B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116777273A (zh) * 2023-06-16 2023-09-19 佛山市朗全电器有限公司 一种基于物联网的粮食质量监控方法及系统
CN118095873B (zh) * 2024-04-29 2024-06-28 滨州市检验检测中心(滨州市纺织纤维检验所、滨州市厨具产品质量检验中心) 食品接触用不锈钢重金属迁移风险管理系统及方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108197821A (zh) * 2018-01-23 2018-06-22 浙江大仓信息科技股份有限公司 一种企业生产风险评估系统
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
CN112258081A (zh) * 2020-11-04 2021-01-22 成都市食品药品检验研究院 一种食品企业个性化风险分级管控方法及系统
CN112256806A (zh) * 2020-11-04 2021-01-22 成都市食品药品检验研究院 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) * 2021-12-13 2022-03-04 成都市食品检验研究院 一种食品企业智能化风险监控预警系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112465264A (zh) * 2020-12-07 2021-03-09 湖北省食品质量安全监督检验研究院 食品安全风险等级预测方法、装置及电子设备

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108197821A (zh) * 2018-01-23 2018-06-22 浙江大仓信息科技股份有限公司 一种企业生产风险评估系统
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
CN112258081A (zh) * 2020-11-04 2021-01-22 成都市食品药品检验研究院 一种食品企业个性化风险分级管控方法及系统
CN112256806A (zh) * 2020-11-04 2021-01-22 成都市食品药品检验研究院 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) * 2021-12-13 2022-03-04 成都市食品检验研究院 一种食品企业智能化风险监控预警系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
食品生产加工过程风险控制标准分析;刘晓毅;《食品工业科技》(第第6期期);第49-51, 62页 *

Also Published As

Publication number Publication date
CN115829321A (zh) 2023-03-21

Similar Documents

Publication Publication Date Title
CN115829321B (zh) 一种食品企业加工过程风险智能化处置系统
CN113011530B (zh) 一种基于多分类器融合的智能电表故障预测方法
CN103095494A (zh) 一种电力通信网风险评估方法
CN110865924B (zh) 电力信息系统内部服务器健康度诊断方法与健康诊断框架
CN116680113B (zh) 一种设备检测实施控制系统
CN117933822A (zh) 一种基于边缘计算的物联网数据管理系统及方法
CN114400776B (zh) 基于数字镜像的变电站自动化设备状态诊断方法和系统
CN112580858A (zh) 设备参数预测分析方法及系统
CN113721182B (zh) 一种电力互感器性能在线监测结果可靠度评估方法及系统
CN111080466A (zh) 一种基于大数据的压延机压延质量预警系统
CN110781206A (zh) 一种学习拆回表故障特征规则预测在运电能表是否故障的方法
CN110348676A (zh) 一种变电站自动化设备状态评价方法及系统
CN111330871B (zh) 一种品质分类方法及装置
CN113010394A (zh) 一种用于数据中心的机房故障检测方法
CN108764498B (zh) 一种设备的健康指数的获取方法及装置
CN114547796B (zh) 一种基于优化bn网络的球磨机特征融合故障诊断方法
CN117234156A (zh) 选矿厂巡检系统及巡检方法
CN113656287B (zh) 软件实例故障的预测方法、装置、电子设备及存储介质
CN115378136A (zh) 一种电网二次设备安全风险智能预警方法及预警装置
CN114167342A (zh) 一种继电保护装置运行健康状态的评价方法
CN115018099A (zh) 一种基于支持向量机的轨道交通缺陷自动分配方法和系统
CN113723685A (zh) 一种危废产生量确定方法、装置、设备及存储介质
CN114462705A (zh) 一种计量物资检定计划生成方法及装置
Ngadiman et al. Relationship between human errors in maintenance and overall equipment effectiveness in food industries
CN112700037A (zh) 一种高速铁路接触网异物缺陷数预测方法及预测装置

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