WO2014092230A1 - 위해예측기반 수입식품검사 시스템 및 방법 - Google Patents

위해예측기반 수입식품검사 시스템 및 방법 Download PDF

Info

Publication number
WO2014092230A1
WO2014092230A1 PCT/KR2012/011210 KR2012011210W WO2014092230A1 WO 2014092230 A1 WO2014092230 A1 WO 2014092230A1 KR 2012011210 W KR2012011210 W KR 2012011210W WO 2014092230 A1 WO2014092230 A1 WO 2014092230A1
Authority
WO
WIPO (PCT)
Prior art keywords
food
risk
imported
information
inspection
Prior art date
Application number
PCT/KR2012/011210
Other languages
English (en)
French (fr)
Inventor
홍헌우
신형수
동혁
Original Assignee
대한민국 (식품의약품안전청장)
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 대한민국 (식품의약품안전청장) filed Critical 대한민국 (식품의약품안전청장)
Publication of WO2014092230A1 publication Critical patent/WO2014092230A1/ko

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
    • 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
    • G06Q50/26—Government or public services

Definitions

  • the present invention relates to a system and method for risk inspection according to imported foods, in particular, the efficiency of imported food inspection work through the improvement of work procedures, optimization of classification, minimization of manual work, improvement of function for all stages of imported food inspection in document acceptance
  • the present invention relates to a risk prediction based imported food inspection system and method which can improve the quality of food.
  • the KFDA manages to block the sale of dangerous goods by ordering them to be immediately collected for collection.
  • the present invention has been made to solve the above problems, to enhance the efficiency of imported food-related work through the one-stop processing of imported food-related business process, a system capable of systematic response to food safety accidents
  • the aim is to provide a forecast-based imported food inspection system and methodology for the purpose of establishing a system.
  • Another object of the present invention is to provide a risk prediction-based imported food inspection system and method that enables rapid and systematic response between departments in the event of risk factors, based on the operating rules and guidelines of the risk assessment committee that define and evaluate risk factors as management items. To provide.
  • the characteristics of the risk prediction-based imported food inspection system according to the present invention for achieving the above object is an import food inspection unit for classifying the received foods as safety foods and hazardous foods by classifying the received imported foods report.
  • an import food inspection unit for classifying the received foods as safety foods and hazardous foods by classifying the received imported foods report.
  • risk factors for each type of imported food and collecting, analyzing and evaluating risk information based on the risk factors, decision information for judging intensive inspection products and rapid customs clearance products is obtained.
  • the preemptive inspection system based on the imported food risk established in the imported food inspection system was created to unify the processing of imported food related tasks (one-stop).
  • integrated food control department import declaration / receipt information, inspection / processing information, test analysis information, It includes importer information, global hazard information, country / manufacturer information, food safety management standards, food related systems / regulations, risk analysis data, imported food information analysis, and storage for storing hazardous food selection criteria.
  • the imported food inspection unit classifies the import report receiving unit that receives the report of the food imported through the mobile and portal services, and the type of imported food received from the import report receiving unit, the risk of each type of imported food stored in advance Based on the evaluation results, characterized in that it comprises a test type classification unit classified into rapid clearance and intensive inspection.
  • the risk prediction unit predicts the risk risk by applying a risk prediction algorithm, wherein the risk prediction algorithm uses a logit model to calculate the risk risk through the probability of receiving a non-conformance with respect to the imported food. It is characterized by using.
  • the risk prediction unit applies an information collecting unit for collecting imported food integrated risk information, an analysis management unit for selecting a risk factor through data mining of the imported food integrated risk information collected by the information collecting unit, and a risk prediction algorithm. Analysis of the risk factors of imported foods selected by the analysis management department, and the risk calculation of calculating risk risks by evaluating the risks of imported foods in consideration of comprehensive risk measurement based on global models and detailed models according to risk food selection criteria And a prediction unit for generating a risk grade for determining the intensive inspection product and the quick clearance product based on the risk risk of the imported product calculated by the evaluation calculation unit.
  • the characteristics of the risk prediction-based imported food inspection method according to the present invention for achieving the above object is (A) when the import declaration according to food import is prepared and submitted, the import food declaration is received through the review of the imported import declaration And (B) classifying the types of imported foods received, selecting risk factors for each type of imported foods, and collecting, analyzing and evaluating risk information by applying a risk prediction algorithm through the risk factors. Predicting the risk, (C) classifying the imported food based on the predicted risk risk into an intensive inspection product and a rapid customs clearance product to perform inspection of the imported food, and (D) It includes the step of issuing a return / disposal or import declaration confirmation in accordance with the inspection result of the imported food.
  • step (A) if the import report is input, reviewing whether the input import report is corrected or supplemented, and if there is no correction or supplement, the receipt of the input import report is confirmed. And if there are any corrections or supplements as a result of the review, requesting corrections and supplements of the import declaration submitted by submitting the corrections or supplements to the KCS and the complainant, and requesting corrections and supplements. If there is, characterized in that it comprises the step of applying to the degree of sincerity report by minus a certain value in the evaluation of the complaint according to the complaint.
  • the step (B) is to classify the types (types) of the imported foods that have been received, and then select the inspection types that are set in advance according to the types and risk classes of the imported foods, and the documents according to the received import declarations. Determining whether or not the adequacy of the document through the audit, and if it fails to meet the adequacy of the document, and requesting the correction and supplementation of the import declaration submitted by the Customs Office and the complaints, including the relevant amendment or supplement In the case of the request for correction and supplementation, applying a negative value to the degree of sincerity report evaluation according to the complainant and applying it to the degree of sincerity report evaluation.
  • Classifying whether the object is subject to on-site inspection or on-site inspection, and in case of subject to document classification result Carrying out the proper decision through document screening, registering the test result and performing the payment processing to check the test result to confirm the suitability of import, and if the classification result is subject to on-site audit, risk factors for each type of food imported
  • the inspection result register the inspection result and perform the payment processing to confirm the inspection result Checking the conformity, and the classification result, the product classified by the intensive inspection, first check and register the risk factor that can be confirmed by the on-site inspection, and then collect the sample of the imported food to register the sample Requesting, and if the inspection result of the registered specimen is confirmed through the inspection report according to the specimen inspection request, performing the eligibility determination, registering the inspection result and performing the payment processing to confirm the inspection result to check whether the income is suitable Characterized in that it comprises the step of checking.
  • Factors are classified according to the risk class generated by applying the risk prediction algorithm.
  • the step of generating the risk level by predicting the risk risk when the import declaration and the inspection list is transmitted, the probability of nonconformity of the product to be inspected through the global evaluation model (GRS)-(default) and the sub-evaluation model (SS) Providing a comprehensive assessment of the risk ratings, displaying the results of the same risk factors and non-compliances as a model applied to the entire import checklist, and using the food, country, If the model is applied to the characteristics of each importer to reflect the characteristics of the additional sub, characterized in that it comprises the step of calculating the risk rating through the evaluation model.
  • GRS global evaluation model
  • SS sub-evaluation model
  • the risk prediction-based imported food inspection system and method according to the present invention as described above has the following effects.
  • the imported food inspection system is upgraded, which indicates rapid work processing and efficiency improvement, and can improve import inspection reliability, provide business convenience, and improve work efficiency.
  • FIG. 1 is a block diagram showing the configuration of the risk prediction-based imported food inspection system according to an embodiment of the present invention
  • FIG. 2 is a diagram showing a simulation result of nonconformity probability for each risk factor using a risk prediction algorithm
  • 3 is a diagram showing the distribution of probability of nonconformity of imported food inspection data for three years using a risk prediction algorithm.
  • FIG. 4 is a flowchart illustrating a risk prediction-based imported food inspection method according to an embodiment of the present invention.
  • FIG. 5 is a flow chart for explaining in detail the process in which the import declaration is created and submitted in FIG.
  • FIG. 6 is a flow chart for explaining in detail the process of receiving the import food report in FIG.
  • FIG. 7 is a flow chart for explaining in detail the process of the inspection of the imported food in FIG.
  • FIG. 8 is an embodiment showing a list of imported foods classified by risk class generated by applying a risk prediction algorithm to risk factors.
  • FIG. 9 is a flowchart for describing a test result processing process in FIG. 4 in detail.
  • FIG. 1 is a block diagram showing the configuration of the risk prediction-based imported food inspection system according to an embodiment of the present invention.
  • the imported food inspection system 100 includes an imported food inspection unit 110, a risk prediction unit 120, a hazard food integration management unit 130, and a storage unit 140.
  • the imported food inspecting unit 110 classifies the received foods into safety foods and dangerous foods.
  • the user 200 includes the public, Food and Drug Administration, Local Food and Drug Administration, Inspection, and related organizations. It supports mobile and portal services and in some cases provides secure login.
  • the imported food inspection unit 110 classifies the import report receiving unit 111 receives a report of the food imported through the mobile and portal services, and the type of imported food received from the import report receiving unit 111 and On the basis of the risk evaluation results for each type of imported food, which is stored in advance, the inspection type classification unit 112 is classified into rapid clearance and intensive inspection.
  • the risk prediction unit 120 collects, analyzes and analyzes risk information in consideration of comprehensive risk measurement based on a global model and a detailed model by selecting a risk factor for each type of food imported and applying a risk prediction algorithm through the risk factor. By evaluating the risk risk to evaluate and provide the decision-making information for determining the intensive inspection products and quick clearance products to the imported food inspection unit 110. To this end, the risk prediction unit 120 selects a risk factor through an information collecting unit 121 for collecting imported food integrated risk information and data mining of the imported food integrated risk information collected by the information collecting unit 121.
  • the risk factor is selected by applying the considerations for selecting the risk factor among the data stored in the imported food inspection system 100 and data that can be collected through an external agency, and selects the risk factor as shown in Table 1. .
  • the detailed model of each country includes five countries (US, China, Japan, France, Italy) of major food exporting countries that export and export to Korea, and the detailed model by food group is relatively higher than other food groups.
  • Five foods with high nonconformities processed foods, processed foods, other foods, beverages, alcoholic beverages are selected and designated.
  • the integrated food information imported risk information collected from the information collection unit 121 includes excellent importer information and sincerity report information.
  • the risk prediction algorithm uses a logit model instead of a simple linear model in order to calculate the risk risk through the probability of receiving a nonconformity determination on imported food.
  • the logit model is an analytical method mainly used when the response values are not continuous but are categorical.
  • the logit model may be divided into two or more binomial response variables. In this case, it is limited to the case where the response variable is a binomial response variable, which is good (0) and bad (1).
  • the dependent variable Has a Bernoulli random variable that takes only two values, as shown in Table 2.
  • Equation 3 the dependent variable If the probability of becoming an unsuitable 1 is expressed as a conditional expected value, it can be expressed as Equation 3 below.
  • the linear regression model is called a linear probability model.
  • the linear probability model presents some problems when the dependent variables are 0 and 1.
  • the conditional variance of the dependent variable depends on the level of the independent variable according to the values of the independent variables, so the conditional variance is not the same and the conditional variance of the error also has bivariance.
  • conditional expectation of dependent variable Is a property of probability Must be satisfied.
  • the linear probability model depends on the values of the independent variables. or May occur. This problem leads to unrealistic forecasting and interpretation.
  • the linear probability model described above is not suitable as a risk analysis model for imported foods because the probability is not necessarily included between 0 and 1, and statistical errors are included. Therefore, in this specification, a logit model that solves the above problems is used.
  • Equation 4 Taking the natural logarithm to the odds shown in Equation 4, the range changes from - ⁇ to ⁇ , which is a logit transform. This is called. It can be seen from Equation 5 that the model becomes linear through the logit transformation.
  • the predictive power of the logit model can be judged by sensitivity and specificity, and the higher sensitivity and specificity, the better model.
  • sensitivity refers to the ratio classified by the logit model among the data observed as fit
  • specificity refers to the ratio classified according to the logit model among the data observed as inappropriate.
  • the global model is a model that considers both sensitivity and specificity, and it can be said that the global model has a high predictive power for discriminating hazards of harmful foods. Therefore, when selecting the risk factors, the risk prediction algorithm considers detailed models selected by country and food group and uses them as risk factors for risk food selection.
  • global models include food, country, monthly, genetic engineering, organic, application code, manufacturing export, administrative disposal, and sterilization information.
  • FIG. 2 illustrates a distribution of non-conformance probability of imported food inspection data for three years.
  • FIG. 3 shows the results of calculating the nonconformity probability by simulating the existing data through the histogram and the quartile, and shows the nonconformity probability of about 6% up to the 90% quartile.
  • the risk food integrated management unit 130 is based on the imported food risk based on the imported food inspection system 100 through information linkage with the linking agency and the information source 300 through a web service, open API, EAI, XML, etc. Create a preventive inspection system to perform one-stop processing of imported food-related business processes.
  • the linked institution and the information source 300 the Ministry of Health and Welfare, Korea Customs Service, local government, Ministry of Food, Agriculture, Forestry and Fisheries, Food Safety Information Service, Korea Health Industry Development Institute, Korea Food Industry Association and related organizations 310, Korea Food Research Institute Food Hygiene Testing Institutions (320), including Korea Food Research Institute, Korea Basic Science Institute, Korea Industrial Technology Research Institute, Korea Analysis Technology Research Institute, Korea Health Functional Food Research Institute, and Korea Genetic Testing Center, It includes an overseas information source 330 that includes.
  • the storage unit 140 is an integrated database for storing import declaration / receipt information, inspection / processing information, test analysis information, importer information, global hazard information, country of manufacture / manufacturer information, food safety management standards, food-related systems / regulations ( 141, and an analysis database 142 for storing risk analysis data, imported food information analysis, and hazardous food selection criteria.
  • FIGS. 1 to 3 refer to the same members performing the same functions.
  • FIG. 4 is a flowchart illustrating a risk prediction-based imported food inspection method according to an embodiment of the present invention.
  • the types of imported foods are classified, the risk factors are selected for each type of food imported through the risk prediction unit 120, and risk information is collected, analyzed and evaluated by applying a risk prediction algorithm through the risk factors. Also predict risk.
  • the imported food received based on the predicted risk risk is classified into an intensive inspection product and a rapid customs clearance product, and then the imported food is inspected (S300).
  • FIG. 5 is a flowchart for explaining a process of creating and submitting an import declaration form in FIG. 4.
  • FIG. 6 is a flowchart illustrating a process of receiving an import food report in FIG. 4 in detail.
  • FIG. 7 is a flowchart illustrating a process of inspecting imported food in FIG. 4 in detail.
  • the types of inspections are selected (S302).
  • the selection of the test is selected by the person in charge according to the type of food and risk level, and the selected test type includes a document screening object, a site test, a laboratory test, and the like.
  • the received food is classified whether the object of the document screening or on-site inspection (field inspection, laboratory inspection) (S306).
  • the risk factor is selected by selecting risk factors for each type of imported food and collecting, analyzing and evaluating risk information by applying a risk prediction algorithm through the risk factor to predict risk level. To generate (S312). Then, according to the generated risk class, it is classified into a intensive inspection product and a rapid clearance product (S313).
  • the classification of the intensive inspection product and the rapid customs clearance products are classified by food group, country, report month, genetic manipulation, organic, application code, manufacturing export, administrative disposal, manufacturing process information, administrative disposal history, reflection of manufacturing execution result, false signal History, recovery history (items / manufacturers / importers, etc.), voluntary withdrawal / response history, sincerity signal evaluation history, hazard warning (food safety information source) of each country, hazard information and collection information, hazard substance detection history, low-cost food, etc.
  • Risk factors are classified according to the risk class generated by applying the risk prediction algorithm.
  • the risk class generated by the risk prediction algorithm is divided into a global model and a detailed model to calculate the probability of each nonconformity, and thus, comprehensive risk measurement that is difficult for nonconformity is considered.
  • FIG. 8 is an embodiment showing a list of imported foods classified according to the risk level generated by applying risk factors to the risk prediction algorithm.
  • the global evaluation model (GRS)-(default) and Sub are provided through a risk prediction algorithm.
  • the evaluation model (SS) the results are evaluated by comprehensively evaluating the nonconformity probability and risk level of the product to be inspected (2).
  • the model is applied to the entire import test list, and the result of the same risk factor and the probability of nonconformity is displayed (3).
  • the risk grade is additionally calculated through Sub and evaluation models (4).
  • the classification result (S313) the product classified as a rapid customs clearance after confirming and registering only risk factors that can be confirmed by the on-site investigation (S314), performs the appropriate decision (S307), and registers the inspection results (S308) )
  • the payment process is performed (S309) and the inspection result is checked (S310) to check whether the import is suitable (S311).
  • risk factors that can be checked on-site investigation include the food group, the country of manufacture, the month of declaration, the presence of genetic modification label, the presence of organic labeling, the use code for sales / manufacture of their own products, the same presence of manufacturing / export.
  • the classification result (S313) the product classified by the intensive inspection first check and register the risk factor that can be confirmed by the on-site investigation (S315), and then collect the sample of the imported food (S316) to perform the sample registration Request a specimen test (S317).
  • FIG. 9 is a flowchart for describing a test result processing process in FIG. 4.
  • the risk prediction-based imported food inspection system utilizes the historical data of imported foods accumulated over a long period of time, providing a basis for analyzing food safety history and activating it to provide food safety decision information for import food inspection classification criteria and policy reflection. Will be supported.
  • food-related risk information is collected from SNS, blogs, news, etc., and reflected in the analysis results, thereby deriving various imported food risk factors through systematic analysis and refining of atypical information collected online.

Landscapes

  • Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 수입식품관련 업무처리의 일원화(one-stop processing)를 통한 수입식품관련 업무의 효율성을 제고하고, 식품안전사고에 체계적인 대응이 가능한 업무체계를 갖추기 위한 위해예측기반 수입식품검사 시스템 및 방법을 제공하기 위한 것으로서, 수입식품 신고가 접수되면, 접수된 수입식품의 종류를 분류하여 안전식품 및 위해식품으로 분류하는 수입식품 검사부와, 수입되는 식품의 종류별로 리스크 요소를 선정하고 리스크 요소를 기반으로 위해정보를 수집, 분석 및 평가하여 위해도 위험도를 예측하여 집중검사 제품과 신속통관 제품을 판단하기 위한 의사결정 정보를 상기 수입 식품 검사부에 제공하는 리스크 예측부와, 연계기관 및 정보원과의 정보연계를 통해 수입식품검사 시스템에서 구축된 수입식품 리스크 기반의 사전 예방적 검사체계를 생성하여 수입식품관련 업무처리의 일원화(one-stop processing)를 수행하는 위해식품 통합 관리부와, 수입신고/접수정보, 검사/처리정보, 시험분석정보, 수입자정보, 글로벌 위해정보, 제조국/제조업체정보, 식품안전관리기준, 식품관련 제도/규정, 리스크 분석 데이터, 수입식품정보 분석, 위해식품 선별 기준을 저장하는 저장부를 포함하여 구성되는데 있다.

Description

위해예측기반 수입식품검사 시스템 및 방법
본 발명은 수입식품에 따른 위해검사를 위한 시스템 및 방법에 관한 것으로, 특히 서류접수에서 수입식품검사의 전 단계에 대한 업무절차개선, 분류최적화, 수작업 최소화, 기능개선 등을 통해 수입식품 검사업무효율을 향상시킬 수 있는 위해예측기반 수입식품검사 시스템 및 방법에 관한 것이다.
최근 식품안전관리를 위해 위해식품 회수 등을 지속적으로 언론에서 공개됨으로써 유통/판매 상품의 안전성에 대한 소비자 불안 해소와 정부의 식품안전관리 체계의 신뢰성 확보 방안 마련이 필요하게 되었다. 즉, 2008년 9월 ~ 10월 멜라민 함유 상품 등과 같이 문제 상품이 유통/판매됨에 따라 소비자의 65%가 정부의 식품안전관리 체계를 불신하고, 또한 유통/판매되고 있는 위해상품으로 인해 자신의 건강이 위협받고 있다는 여론조사 결과가 나왔다.
이에 따라, 식약청에서는 검사결과 부적합 판정이 나온 위해상품의 경우 즉시 회수 명령하여 회수토록 함으로서 위해상품의 판매를 차단할 수 있도록 관리하고 있다.
또한 국내에서는 수입식품이 개방되어 있어서, 수입식품의 품질에 문제가 있을 수 있다는 여론이 일고 있다. 수입식품의 경우 한번 수입이 이루어지면 전국에 퍼져 국민건강에 해로울 수 있으니 그 심각성은 말로 표현하기 어렵다. 이에 따라 당국에서도 그 심각성을 느끼고 여러 가지 대책도 마련하고 실천도 하고 있다.
그러나 이를 위한 대책과 실천이 몇 년이 지나도록 수입식품의 안전성을 확보하는 쪽으로 연결되지 않고 있는데 문제가 있다. 아직도 식품검사를 위한 전문요원은 턱없이 적고 예산은 태부족이어서 검사를 위한 기초 장비도 없는 상태다. 이에 비해 식품수입은 해마다 급격하게 늘어나고 있다.
따라서 식약청 내부적 상황과 실행의 용이성, 충분한 가용자원의 유무와 의견수렴 과정을 통하여 위해예측기반 수입식품검사 시스템 구축사업을 진행해야 하며, 수입식품의 위해평가 시스템의 체계적인 운용이 갖춰져야 할 것이다.
본 발명은 상기와 같은 문제점을 해결하기 위해 안출한 것으로서, 수입식품관련 업무처리의 일원화(one-stop processing)를 통한 수입식품관련 업무의 효율성을 제고하고, 식품안전사고에 체계적인 대응이 가능한 업무체계를 갖추기 위한 위해예측기반 수입식품검사 시스템 및 방법을 제공하는데 그 목적이 있다.
본 발명의 다른 목적은 리스크 요소를 정의하고 관리항목으로써 심의하고 평가하는 리스크 평가 위원회의 운영 규정과 지침을 바탕으로 리스크 요소 발생시 부서간 신속하고 체계적인 대응이 가능한 위해예측기반 수입식품검사 시스템 및 방법을 제공하는데 있다.
상기와 같은 목적을 달성하기 위한 본 발명에 따른 위해예측기반 수입식품검사 시스템의 특징은 수입식품 신고가 접수되면, 접수된 수입식품의 종류를 분류하여 안전식품 및 위해식품으로 분류하는 수입식품 검사부와, 수입되는 식품의 종류별로 리스크 요소를 선정하고 리스크 요소를 기반으로 위해정보를 수집, 분석 및 평가하여 위해도 위험도를 예측하여 집중검사 제품과 신속통관 제품을 판단하기 위한 의사결정 정보를 상기 수입 식품 검사부에 제공하는 리스크 예측부와, 연계기관 및 정보원과의 정보연계를 통해 수입식품검사 시스템에서 구축된 수입식품 리스크 기반의 사전 예방적 검사체계를 생성하여 수입식품관련 업무처리의 일원화(one-stop processing)를 수행하는 위해식품 통합 관리부와, 수입신고/접수정보, 검사/처리정보, 시험분석정보, 수입자정보, 글로벌 위해정보, 제조국/제조업체정보, 식품안전관리기준, 식품관련 제도/규정, 리스크 분석 데이터, 수입식품정보 분석, 위해식품 선별 기준을 저장하는 저장부를 포함하여 구성되는데 있다.
바람직하게 상기 수입식품 검사부는 모바일 및 포털 서비스를 통해 수입되는 식품의 신고를 접수받는 수입신고 접수부와, 상기 수입신고 접수부로부터 접수된 수입식품의 종류를 분류하고, 미리 저장되어 있는 수입식품의 종류별 리스크 평가 결과를 기반으로 신속통관 및 집중검사로 분류하는 검사종류 분류부를 포함하는 것을 특징으로 한다.
바람직하게 상기 리스크 예측부는 리스크 예측 알고리즘을 적용하여 위해도 위험도를 예측하며, 이때, 상기 리스크 예측 알고리즘은 수입식품에 대하여 부적합 판정을 받을 확률을 통한 위해도 위험도를 산출하기 위하여 로짓(logit) 모형을 사용하는 것을 특징으로 한다.
바람직하게 상기 리스크 예측부는 수입식품 통합리스크 정보를 수집하는 정보 수집부와, 상기 정보 수집부에서 수집되는 수입식품 통합리스크 정보의 데이터 마이닝을 통해 리스크 요소를 선정하는 분석 관리부와, 리스크 예측 알고리즘을 적용하여 상기 분석 관리부에서 선정된 수입식품 리스크 요소를 분석하고, 리스크 식품 선별기준에 따라 글로벌 모형과 세부모형을 기반으로 종합적인 위해측정을 고려한 수입식품의 리스크를 평가하여 위해도 위험도를 산출하는 평가 산출부와, 상기 평가 산출부에서 산출된 수입제품의 위해도 위험도를 기반으로 집중검사 제품과 신속통관 제품을 판단하기 위한 위해등급을 생성하는 위해 예측부를 포함하는 것을 특징으로 한다.
상기와 같은 목적을 달성하기 위한 본 발명에 따른 위해예측기반 수입식품검사 방법의 특징은 (A) 식품수입에 따른 수입신고서가 작성되어 제출되면, 제출된 수입신고서의 검토를 통해 수입식품 신고를 접수하는 단계와, (B) 상기 접수된 수입식품의 종류를 분류하고, 수입되는 식품의 종류별로 리스크 요소를 선정하고 리스크 요소를 통한 리스크 예측 알고리즘을 적용하여 위해정보를 수집, 분석 및 평가하여 위해도 위험도를 예측하는 단계와, (C) 상기 예측된 위해도 위험도를 기반으로 접수된 수입식품을 집중검사 제품과 신속통관 제품으로 분류하여 수입식품의 검사를 수행하는 단계와, (D) 상기 수행된 수입식품의 검사결과에 따라 반송/폐기 또는 수입신고 확인증을 발급하는 단계를 포함하여 이루어지는데 있다.
바람직하게 상기 (A) 단계는 수입신고서가 입력되면, 입력된 수입신고서에 수정이나 보완 사항 여부를 검토하는 단계와, 상기 검토 결과, 수정이나 보완 사항이 없는 경우에는 입력된 수입신고서의 접수를 확인하는 단계와, 상기 검토 결과, 수정이나 보완 사항이 있는 경우는 해당되는 수정이나 보완 사항을 기재하여 관세청 및 민원인에게 전송하여 제출된 수입신고서의 정정 및 보완을 요청하는 단계와, 상기 정정 및 보완 요청이 있는 경우 해당 민원인에 따른 성실신고 평가에 일정값을 마이너스하여 성실신고 평가도에 적용하는 단계를 포함하는 것을 특징으로 한다.
바람직하게 상기 (B) 단계는 접수 확인된 수입식품의 종류(유형)를 분류한 후, 수입식품의 종류 및 리스크 등급별로 미리 설정되어 있는 검사종류를 선정하는 단계와, 접수된 수입신고서에 따른 서류심사를 통해 서류적정성 여부를 판단하는 단계와, 상기 판단결과 서류적정성에 미달되는 경우에는 해당되는 수정이나 보완 사항을 기재하여 관세청 및 민원인에게 전송하여 제출된 수입신고서의 정정 및 보완을 요청하는 단계와, 상기 정정 및 보완 요청이 있는 경우 해당 민원인에 따른 성실신고 평가에 일정값을 마이너스하여 성실신고 평가도에 적용하는 단계와, 상기 판단결과 서류가 적정하게 완비된 경우에는 접수된 수입식품이 서류심사 대상인지 현장심사(현장검사, 실험실검사) 대상인지 분류하는 단계와, 상기 분류결과 서류심사 대상인 경우에는 서류심사를 통해 적부판정을 수행하고, 검사결과를 등록하고 결재처리를 수행하여 검사결과를 확인하여 수입 적합 여부를 확인하는 단계와, 상기 분류결과 현장심사 대상인 경우에는 수입되는 식품의 종류별로 리스크 요소를 선정하고 리스크 요소를 통한 리스크 예측 알고리즘을 적용하여 글로벌 모형과 세부모형을 기반으로 종합적인 위해측정을 고려한 위해정보를 수집, 분석 및 평가하여 위해도 위험도를 예측하여 위해등급을 생성하는 단계와, 상기 생성된 위해등급에 따라 집중검사 제품과 신속통관 제품으로 분류하는 단계와, 상기 분류결과, 신속통관으로 분류된 제품은 현장조사를 통한 현장조사 확인 가능한 리스크 요소만을 확인 및 등록한 후, 적부판정을 수행하고, 검사결과를 등록하고 결재처리를 수행하여 검사결과를 확인하여 수입 적합 여부를 확인하는 단계와, 상기 분류결과, 집중검사로 분류된 제품은 먼저 현장조사를 통한 현장조사 확인 가능한 리스크 요소를 확인 및 등록한 후, 수입식품의 검체를 채취하여 검체 등록을 수행하여 검체검사를 요청하는 단계와, 상기 검체검사 요청에 따른 검사 성적서를 통해 등록된 검체의 검사결과가 확인되면, 적부판정을 수행하고, 검사결과를 등록하고 결재처리를 수행하여 검사결과를 확인하여 수입 적합 여부를 확인하는 단계를 포함하는 것을 특징으로 한다.
바람직하게 상기 집중검사 제품과 신속통관 제품의 분류는 식품군, 국가별, 신고월, 유전자조작, 유기농, 용도코드, 제조수출, 행정처분, 제조공정 정보, 행정처분 이력, 제조시행 결과반영, 허위신호 이력, 회수이력(품목/제조국/수입자 등), 자진취하/반려 이력, 성실신호 평가 이력, 각국의 위해경보(식품안전 정보원), 위해정보과 수집정보, 위해물질검출이력, 저가식품을 포함하는 리스크 요소를 리스크 예측 알고리즘을 적용하여 생성된 위해등급에 따라 분류하는 것을 특징으로 한다.
바람직하게 상기 위해도 위험도를 예측하여 위해등급을 생성하는 단계는 수입신고 및 검사목록이 전송되면, 글로벌 평가모델(GRS)-(default)과 Sub 평가모델(SS)을 통해 검사대상 제품의 부적합확률, 리스크 등급의 종합적 평가결과를 제공하는 단계와, 전체 수입검사 목록에 적용하는 모델로, 동일한 리스크 요소와 부적합 확률로 산출한 결과를 표시하는 단계와, 상기 표시된 전체 수입검사 목록을 식품군, 국가, 수입업자별 특성을 중점적으로 반영하기 위한 모델에 해당되는 경우 추가적으로 Sub, 평가모델을 통해 위해등급을 산출하는 단계를 포함하는 것을 특징으로 한다.
이상에서 설명한 바와 같은 본 발명에 따른 위해예측기반 수입식품검사 시스템 및 방법은 다음과 같은 효과가 있다.
첫째, 수입식품 리스크 평가 시스템을 구축하여 수입식품으로부터 대국민 위생안전을 강화시키고, 리스크 식품기반의 사전 예방적 기능을 강화시킬 수 있으며, 수입식품의 검사 효율성을 향상시킬 수 있다.
둘째, 다양한 리스크 정보의 활용성 향상을 통해 통계 담당자의 업무 효율성 증대 및 의사 결정 정보 제공 시간을 절감할 수 있다.
셋째, 검사 명령제 등 제도개선에 따른 법적 기반을 마련하여 안전한 식품 수입에 대한 법적 기반을 강화하고 사전예방체계를 향상시킬 수 있으며, 검사의 효율성을 높일 수 있다.
넷째, 수입식품 검사 시스템을 고도화시켜 신속한 업무처리, 효율성 향상을 나타내며, 수입검사 신뢰성 향상 및 업무편의성 제공과 업무능률 향상을 도모할 수 있다.
다섯째, 안전한 식품 수입에 대한 법적 기반을 강화하여 수입업자의 안전수입에 따른 책임의식을 강화시킬 수 있다.
여섯째, 수입자에 대한 차별 관리를 통하여 우수 수입자를 장려하고, 문제 수입자의 저품질 수입식품의 시장퇴출을 통해 불성실, 지속적 기망행위에 대한 단호한 조치를 가능하게 할 수 있다.
일곱째, 관계부서와의 협의를 통하여 체계적이고 효율적인 리스크 대응이 가능하다.
도 1 은 본 발명의 실시예에 따른 위해예측기반 수입식품검사 시스템의 구성을 나타낸 구성도
도 2 는 리스크 예측 알고리즘을 이용한 리스크 요소별 부적합확률 시뮬레이션 결과를 나타낸 도면
도 3 은 리스크 예측 알고리즘을 이용한 기존 3년간의 수입식품검사 데이터의 부적합확률 분포도를 나타낸 도면
도 4 는 본 발명의 실시에에 따른 위해예측기반 수입식품검사 방법을 설명하기 위한 흐름도
도 5 는 도 4에서 수입신고서가 작성되어 제출되는 과정을 상세히 설명하기 위한 흐름도
도 6 은 도 4에서 수입식품 신고가 접수되는 과정을 상세히 설명하기 위한 흐름도
도 7 은 도 4에서 수입식품의 검사가 수행되는 과정을 상세히 설명하기 위한 흐름도
도 8 은 리스크 요소를 리스크 예측 알고리즘을 적용하여 생성된 위해등급에 따라 분류된 수입식품의 목록을 나타낸 실시예
도 9 는 도 4에서 검사결과 처리 과정을 상세히 설명하기 위한 흐름도
본 발명의 다른 목적, 특성 및 이점들은 첨부한 도면을 참조한 실시예들의 상세한 설명을 통해 명백해질 것이다.
본 발명에 따른 위해예측기반 수입식품검사 시스템 및 방법의 바람직한 실시예에 대하여 첨부한 도면을 참조하여 설명하면 다음과 같다. 그러나 본 발명은 이하에서 개시되는 실시예에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예는 본 발명의 개시가 완전하도록 하며 통상의 지식을 가진자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이다. 따라서 본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명의 가장 바람직한 일 실시예에 불과할 뿐이고 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형예들이 있을 수 있음을 이해하여야 한다.
도 1 은 본 발명의 실시예에 따른 위해예측기반 수입식품검사 시스템의 구성을 나타낸 구성도이다.
도 1과 같이, 수입식품검사 시스템(100)은 수입식품 검사부(110)와, 리스크 예측부(120)와, 위해식품 통합 관리부(130)와, 저장부(140)를 포함한다.
상기 수입식품 검사부(110)는 사용자(200)로부터 수입식품 신고가 접수되면, 접수된 수입식품의 종류를 분류하여 안전식품 및 위해식품으로 분류한다. 이때 사용자(200)는 국민, 식품의약품 안전청, 지방식품 의약품 안전청, 검사소, 유관기관을 포함하며. 모바일 및 포털 서비스를 지원하며 경우에 따라서 보안 로그인을 제공한다. 이를 위해, 상기 수입식품 검사부(110)는 모바일 및 포털 서비스를 통해 수입되는 식품의 신고를 접수받는 수입신고 접수부(111)와, 상기 수입신고 접수부(111)로부터 접수된 수입식품의 종류를 분류하고, 미리 저장되어 있는 수입식품의 종류별 리스크 평가 결과를 기반으로 신속통관 및 집중검사로 분류하는 검사종류 분류부(112)로 구성된다.
상기 리스크 예측부(120)는 수입되는 식품의 종류별로 리스크 요소를 선정하고 리스크 요소를 통한 리스크 예측 알고리즘을 적용하여 글로벌 모형과 세부모형을 기반으로 종합적인 위해측정을 고려한 위해정보를 수집, 분석 및 평가하여 위해도 위험도를 예측하여 집중검사 제품과 신속통관 제품을 판단하기 위한 의사결정 정보를 상기 수입 식품 검사부(110)에 제공한다. 이를 위해 상기 리스크 예측부(120)는 수입식품 통합리스크 정보를 수집하는 정보 수집부(121)와, 상기 정보 수집부(121)에서 수집되는 수입식품 통합리스크 정보의 데이터 마이닝을 통해 리스크 요소를 선정하는 분석 관리부(122)와, 리스크 예측 알고리즘을 적용하여 상기 분석 관리부(122)에서 선정된 수입식품 리스크 요소를 분석하고, 리스크 식품 선별기준에 따라 수입식품의 리스크를 평가하여 위해도 위험도를 산출하는 평가 산출부(123)와, 상기 평가 산출부(123)에서 산출된 수입제품의 위해도 위험도를 기반으로 집중검사 제품과 신속통관 제품을 판단하기 위한 위해등급을 생성하는 위해 예측부(124)를 포함한다.
이때, 상기 리스크 요소의 선정은 수입식품검사 시스템(100)에 저장하고 있는 데이터와 외부기관을 통해 수집 가능한 데이터 중 리스크 요소 선정을 위한 고려사항을 적용하여 표 1에서 나타내는 것과 같이 리스크 요소를 선정한다.
표 1
리스크 요소 상 세 내 용
식품군 식품군별 부적합 이력 정보를 통한 부적합 확률
국가 국가별 부적합 이력 정보를 통한 부적합 확률
수입자 수입자별 부적합 이력 정보를 통한 부적합 확률
무작위 무작위 검사방법에 따라 부적합 확률을 높여주는 확률
신고월 신고월별 계절별 특성에 따른 부적합 확률
유전자조작 유전자 조작 표시 여부에 따른 부적합 확률
유기농 유기농 표시 여부에 따른 부적합 확률
용도 판매용, 자사제품용 구분에 따른 부적합 확률
제조/수출동일 제조곡과 수출국이 동일여부에 따른 부적합 확률
행정처분 이력 행정처분 이력이 있는 업체의 부적합 확률
제조공정 살균/별균 대상 여부에 따른 부적합 확률
허위신고 허위신고 이력 여부에 따른 부적합 확률
자진취하/반려 자진취하/반려 여부에 따른 부적합 확률
위해정보 위해정보과, 식품안전정보원의 해외 위해 보고자료
저가식품 저가식품 여부에 따른 부적합 정보
위해물질검출 위해물질검출 이력 제품군의 부적합 정보
회수이력 부적합 회수 및 유동단계 부적합 회수 정보
성실신고평가 성신신고평가 점수를 받은 업체의 부적합 정보
이때, 리스크 요소를 선정할 때, 국가별, 식품군별 세부모델을 선정한다. 즉, 국가별 세부모델은 한국으로 수출하는 수출물량과 수출횟수가 많은 주요 식품수출국의 5개국(미국, 중국, 일본, 프랑스, 이탈리아)을 포함하며, 식품군별 세부모델은 다른 식품군에 비해 상대적으로 부적합율이 높은 식품 5가지(가공식품, 기타가공식품, 기타식품류, 음료, 주류)를 선택하여 지정한다.
또한 상기 정보 수집부(121)에서 수집되는 수입식품 통합리스크 정보는 해외식품 안전정보, 식품안전 관리기준, 리스크 식품정보, 부적합 이력정보, 수입업체 정보, 대행업체 정보, 식품회수정보, 제재정보, 우수수입업소 정보, 성실신고 정보 등을 포함한다.
그리고 상기 리스크 예측 알고리즘은 수입식품에 대하여 부적합 판정을 받을 확률을 통한 위해도 위험도를 산출하기 위하여 단순 선형모형 대신 로짓(logit) 모형을 사용한다. 상기 로짓 모형은 반응값이 연속적이지 않고 범주형일때 주로 사용하는 분석기법으로 반응변수가 이항일 때와 다항일 때로 나눌 수 있다. 여기서는 반응변수가 적합(0), 부적합(1)으로 이항 반응변수일 때로 한정한다.
좀 더 상세히 살펴보면 다음과 같다.
먼저 종속변수가 2가지(0=적합, 1=부적합) 값만 취하는 이변수이고, 독립변수가 k인 경우에 선형 회귀모형은 다음 수학식 1과 같다.
수학식 1
Figure PCTKR2012011210-appb-M000001
이때, 상기 선형회귀모형에서 종속변수들의 값
Figure PCTKR2012011210-appb-I000001
가 주어졌을 때 종속변수의 기대값은 다음 수학식 2와 같이 표현할 수 있다.
수학식 2
Figure PCTKR2012011210-appb-M000002
이때, 종속변수
Figure PCTKR2012011210-appb-I000002
는 표 2에서 나타내고 있는 것과 같이 두 가지 값만 취하는 베르누스 확률변수(bernoulli random variable)를 가지게 된다.
표 2
종속변수
Figure PCTKR2012011210-appb-I000003
 확률
0
Figure PCTKR2012011210-appb-I000004
1
Figure PCTKR2012011210-appb-I000005
이때, 종속변수
Figure PCTKR2012011210-appb-I000006
가 부적합인 1이 될 확률을 조건부 기대값으로 표현하면, 다음 수학식 3과 같이 표현할 수 있다.
수학식 3
Figure PCTKR2012011210-appb-M000003
이처럼 종속변수가 이변수인 경우에 선형회귀모형을 선형확률모형(Linear probability model)이라고 부른다. 그러나 선형확률모형은 종속변수가 0과 1인 경우에 몇 가지 문제점이 나타나게 된다.
첫 번째, 오차항의 이분산성을 갖게 된다. 즉, 독립변수들의 값에 따라 종속변수의 조건부 분산은 독립변수의 수준에 따라 달라지기 때문에 조건부 분산은 동일하지 않고 오차의 조건부 분산도 이분산을 갖게 된다.
두 번째, 종속변수가 오직 2가지 값(0,1)을 갖기 때문에 오차의 분포는 연속형이 아닌 이산형을 갖게 된다. 이것은 선형회귀모형에서 오차의 분포가 정규분포를 따른다는 가정을 위배하게 된다.
세 번째, 종속변수의 조건부 기대값
Figure PCTKR2012011210-appb-I000007
는 반드시 확률의 성질인
Figure PCTKR2012011210-appb-I000008
을 반드시 만족해야 한다. 그러나 선형 확률모형은 독립변수들의 값에 따라
Figure PCTKR2012011210-appb-I000009
또는
Figure PCTKR2012011210-appb-I000010
인 경우가 생길 수 있다. 이러한 문제 때문에 비현실적 예측과 해석을 할 수 밖에 없다.
위에서 설명한 선형 확률모형은 확률이 0과 1사이에 반드시 포함되지 않고 통계학적인 오류가 포함되어 있어 수입식품 위해 분석 모형으로 적합하지 않다. 따라서 본 명세서에서 위의 문제점을 해결한 로짓모형(Logit Model)을 사용한다.
로짓 모형은 확률
Figure PCTKR2012011210-appb-I000011
을 다음 수학식 4에서 나타내고 있는 것과 같이 오즈(odds)로 변환하여 0 ≤
Figure PCTKR2012011210-appb-I000012
≤ ∞ 를 만족하게 된다. 오즈란 어떤 사건이 발생되지 않을 확률에 대해 발생될 확률의 비율을 의미한다.
수학식 4
Figure PCTKR2012011210-appb-M000004
수학식 4에서 나타내고 있는 오즈에 자연로그를 취하면 범위는 -∞ ~ ∞ 로 변하게 되고 이것을 로짓변환
Figure PCTKR2012011210-appb-I000013
이라 한다. 로짓변환을 통해 모형은 선형이 됨을 수학식 5를 통해 알 수 있다.
수학식 5
Figure PCTKR2012011210-appb-M000005
상기 수학식 5를 부적합(=1)으로 정리하면 다음 수학식 6을 만족하게 되고 범위는 0과 1 사이에 놓이게 되어 수입식품 유해분석을 위한 모형으로 매우 적합함을 알 수 있다.
수학식 6
Figure PCTKR2012011210-appb-M000006
이에 따라, 수입식품 위해분석은 이와 같은 로짓 모형을 통해 수행하게 된다.
한편, 로짓 모형의 예측력은 민감도(sensitivity)와 특이성(specificity)으로 판단할 수 있으며, 민감도와 특이성이 높을수록 좋은 모형이다. 참고로, 민감도는 적합으로 관측된 자료 중에서 로짓모형에 의해 정분류된 비율을 말하며, 특이성은 부적합으로 관측된 자료 중에서 로짓 모형에 의해 정분류된 비율을 말한다. 이때, 글로벌 모형은 민감도와 특이성이 모두 고려된 모형으로, 글로벌 모형은 위해식품의 위해를 판별할 수 있는 예측력이 높다고 할 수 있다. 따라서 리스크 예측 알고리즘에서는 상기 리스크 요소를 선정할 때, 국가별, 식품군별로 선정된 세부모델을 글로벌 모델과 함께 고려하여 위해식품 선별을 위한 리스크 요소로 이용한다. 참고로, 클로벌 모델로는 식품별, 국가별, 월별, 유전자조작, 유기농, 용도코드, 제조수출, 행정처분, 멸균살균 정보를 포함한다.
이와 같은 로직모형에 따른 리스크 예측 알고리즘을 이용한 리스크 요소별 부적합확률 시뮬레이션 결과는 도 2에서 도시하고 있다. 또한 이에 따른 기존 3년간의 수입식품검사 데이터의 부적합확률 분포도를 도 3에서 도시하고 있다.
도 3 은 기존데이터를 시뮬레이션하여 부적합확률을 계산한 결과를 히스토그램과 분위수표를 통해 확인한 결과로서, 90% 분위수까지 약 6%정도의 부적합확률을 보여주고 있다.
상기 위해식품 통합 관리부(130)는 웹 서비스, 오픈 API, EAI, XML 등을 통해 연계기관 및 정보원(300)과의 정보연계를 통해 수입식품검사 시스템(100)에서 구축된 수입식품 리스크 기반의 사전 예방적 검사체계를 생성하여 수입식품관련 업무처리의 일원화(one-stop processing)를 수행한다. 이때, 상기 연계기관 및 정보원(300)은 보건복지부, 관세청, 지방자치단체, 농림수산식품부, 식품안전정보원, 한국보건산업진흥원, 한국식품공업협회를 포함하는 유관기관(310)과, 한국식품연구소, 한국식품연구원, 한국기초과학지원연구원, 한국산업기술시험원, 한국분석기술연구원, 한국건강기능식품연구원, 한국유전자검사센터를 포함하는 식품위생검사기관(320)과, 협정국가, 해외파견지소를 포함하는 해외정보원(330)을 포함한다.
상기 저장부(140)는 수입신고/접수정보, 검사/처리정보, 시험분석정보, 수입자정보, 글로벌 위해정보, 제조국/제조업체정보, 식품안전관리기준, 식품관련 제도/규정을 저장하는 통합 데이터베이스(141)와, 리스크 분석 데이터, 수입식품정보 분석, 위해식품 선별 기준을 저장하는 분석 데이터베이스(142)를 포함한다.
이와 같이 구성된 본 발명에 따른 위해예측기반 수입식품검사 시스템의 동작을 첨부한 도면을 참조하여 상세히 설명하면 다음과 같다. 도 1 내지 도 3과 동일한 참조부호는 동일한 기능을 수행하는 동일한 부재를 지칭한다.
도 4 는 본 발명의 실시에에 따른 위해예측기반 수입식품검사 방법을 설명하기 위한 흐름도이다.
도 4를 참조하여 설명하면 먼저, 사용자(200)로부터 식품수입에 따른 수입신고서가 작성되어 제출되면(S100), 제출된 수입신고서의 검토를 통해 수입식품 신고를 접수한다(S200).
이어 접수된 수입식품의 종류를 분류하고, 리스크 예측부(120)를 통해 수입되는 식품의 종류별로 리스크 요소를 선정하고 리스크 요소를 통한 리스크 예측 알고리즘을 적용하여 위해정보를 수집, 분석 및 평가하여 위해도 위험도를 예측한다. 그리고 상기 예측된 위해도 위험도를 기반으로 접수된 수입식품을 집중검사 제품과 신속통관 제품으로 분류하여 수입식품의 검사를 수행한다(S300).
그리고 이렇게 수행된 수입식품의 검사결과에 따라 반송/폐기 또는 수입신고 확인증을 발급한다(S400).
도 5 는 도 4에서 수입신고서가 작성되어 제출되는 과정을 상세히 설명하기 위한 흐름도이다.
도 5를 참조하여 설명하면, 민원인에 의해 식품이 수입되면(S101) 관세청은 수입신고서를 작성하도록 한 후(S102), 위해예측기반 수입식품검사 시스템(100)으로 작성된 수입신고서를 제출한다(S103). 한편 제출된 수입신고서의 정정 또는 보완이 요청되면 제출된 수입신고서의 내용을 수정 및 보완하여 다시 제출하기도 한다(S104).
도 6 은 도 4에서 수입식품 신고가 접수되는 과정을 상세히 설명하기 위한 흐름도이다.
도 6을 참조하여 설명하면, 관세청으로부터 수입신고서가 입력되면(S201), 입력된 수입신고서에 수정이나 보완 사항이 있는지 검토한다(S203). 그리고 검토 결과, 수정이나 보완 사항이 없는 경우에는 입력된 수입신고서의 접수를 확인한다(S204). 한편, 검토 결과, 수정이나 보완 사항이 있는 경우는 해당되는 수정이나 보완 사항을 기재하여 관세청 및 민원인에게 전송하여 제출된 수입신고서의 정정 및 보완을 요청한다(S205). 이때, 정정 및 보완 요청이 있는 경우 해당 민원인에 따른 성실신고 평가에 일정값을 마이너스하여 성실신고 평가도에 적용한다.
도 7 은 도 4에서 수입식품의 검사가 수행되는 과정을 상세히 설명하기 위한 흐름도이다.
도 7을 참조하여 설명하면, 접수 확인된 수입식품의 종류(유형)를 분류한 후(S301), 검사종류를 선정한다(S302). 이때 상기 검사종류 선정은 식품의 종류 및 리스크 등급에 따라 검사 담당자가 선정하며, 선정되는 검사종류로는 서류심사 대상, 현장검사, 실험실검사 등을 포함한다.
이어 접수된 수입신고서에 따른 서류심사를 통해(S303) 서류적정성 여부를 판단하고(S304), 상기 판단결과(S304) 서류적정성에 미달되는 경우에는 해당되는 수정이나 보완 사항을 기재하여 관세청 및 민원인에게 전송하여 제출된 수입신고서의 정정 및 보완을 요청한다(S305). 이때, 정정 및 보완 요청이 있는 경우 해당 민원인에 따른 성실신고 평가에 일정값을 마이너스하여 성실신고 평가도에 적용한다.
또한 상기 판단결과(S304) 서류가 적정하게 완비된 경우에는 접수된 수입식품이 서류심사 대상인지 현장심사(현장검사, 실험실검사) 대상인지 분류한다(S306).
그리고 상기 분류결과(S306) 서류심사 대상인 경우에는 서류심사를 통해 적부판정을 수행하고(S307), 검사결과를 등록하고(S308) 결재처리를 수행하여(S309) 검사결과를 확인하여(S310) 수입 적합 여부를 확인한다(S311).
또한 상기 분류결과(S306) 현장심사 대상인 경우에는 수입되는 식품의 종류별로 리스크 요소를 선정하고 리스크 요소를 통한 리스크 예측 알고리즘을 적용하여 위해정보를 수집, 분석 및 평가하여 위해도 위험도를 예측하여 위해등급을 생성한다(S312). 그리고 생성된 위해등급에 따라 집중검사 제품과 신속통관 제품으로 분류한다(S313).
이때, 상기 집중검사 제품과 신속통관 제품의 분류는 식품군, 국가별, 신고월, 유전자조작, 유기농, 용도코드, 제조수출, 행정처분, 제조공정 정보, 행정처분 이력, 제조시행 결과반영, 허위신호 이력, 회수이력(품목/제조국/수입자 등), 자진취하/반려 이력, 성실신호 평가 이력, 각국의 위해경보(식품안전 정보원), 위해정보과 수집정보, 위해물질검출이력, 저가식품 등을 포함하는 리스크 요소를 리스크 예측 알고리즘을 적용하여 생성된 위해등급에 따라 분류된다. 상기 리스크 예측 알고리즘을 통해 생성되는 위해등급은 글로벌 모형과 세부모형으로 나누어 각각의 부적합 확률을 계산하여 부적합에 곤한 종합적인 위해측정을 고려하며, 이에 따른 상세한 설명은 위에서 이미 설명하고 있으므로 생략한다.
도 8 은 리스크 요소를 리스크 예측 알고리즘을 적용하여 생성된 위해등급에 따라 분류된 수입식품의 목록을 나타낸 실시예이다.
도 8에서 도시하고 있는 것과 같이, 리스크 평가를 위한 수입신고 및 검사목록을 수입식품 검사 시스템(100)으로 전송받으면(①), 리스크 예측 알고리즘을 통해 글로벌 평가모델(GRS)-(default)과 Sub 평가모델(SS)을 통해 검사대상 제품의 부적합확률, 리스크 등급 등 종합적으로 평가하여 결과를 제공한다(②). 그리고 전체 수입검사 목록에 적용하는 모델로 동일한 리스크 요소와 부적합 확률로 산출한 결과를 표시한다(③). 이렇게 표시된 전체 수입검사 목록을 식품군, 국가, 수입업자별 등 특성을 중점적으로 반영하기 위한 모델에 해당되는 경우 추가적으로 Sub, 평가모델을 통해 위해등급을 산출한다(④).
그리고 상기 분류결과(S313), 신속통관으로 분류된 제품은 현장조사를 통한 현장조사 확인 가능한 리스크 요소만을 확인 및 등록한 후(S314), 적부판정을 수행하고(S307), 검사결과를 등록하고(S308) 결재처리를 수행하여(S309) 검사결과를 확인하여(S310) 수입 적합 여부를 확인한다(S311). 이때, 현장조사 확인 가능한 리스크 요소는 식품군, 제조국, 신고월, 유전자조작 표시유무, 유기농 표시유무, 용도코드 판매용/자사제품제조용, 제조/수출 동일유무 등이 포함된다.
또한 상기 분류결과(S313), 집중검사로 분류된 제품은 먼저 현장조사를 통한 현장조사 확인 가능한 리스크 요소를 확인 및 등록한 후(S315), 수입식품의 검체를 채취하여(S316) 검체 등록을 수행하여 검체검사를 요청한다(S317).
그리고 검사 성적서를 통해 등록된 검체의 검사결과가 확인되면(S318), 적부판정을 수행하고(S307), 검사결과를 등록하고(S308) 결재처리를 수행하여(S309) 검사결과를 확인하여(S310) 수입 적합 여부를 확인한다(S311).
도 9 는 도 4에서 검사결과 처리 과정을 상세히 설명하기 위한 흐름도이다.
도 9를 참조하여 설명하면, 수입된 식품의 검사 결과가 입력되면(S401), 입력된 검사 결과에 따라 수입이 적합한 것으로 판단되면(S402) 수입신고 확인증을 발급하고(S403), 수입에 적합하지 않은 것으로 판단되면(S402) 반송 및/또는 폐기를 수행하고(S404) 수행된 반송 및 폐기 내역을 확인한다(S405).
이와 같이, 위해예측기반 수입식품검사 시스템은 장기간 축적된 수입식품의 이력데이터를 활용함으로써, 식품안전 이력분석과 활용 활성화 기반을 제공하여 수입식품 검사분류 기준과 정책반영을 위한 식품안전 의사결정 정보를 지원하게 된다. 또한 식품관련 리스크 정보를 SNS, 블로그, 뉴스 등에서 다각적으로 수집하여 분석결과에 반영함으로서, 온라인에서 수집된 비정형 정보의 체계적 분석 및 정제를 통한 다양한 수입식품 리스크 요소들을 도출한다.
상기에서 설명한 본 발명의 기술적 사상은 바람직한 실시예에서 구체적으로 기술되었으나, 상기한 실시예는 그 설명을 위한 것이며 그 제한을 위한 것이 아님을 주의하여야 한다. 또한, 본 발명의 기술적 분야의 통상의 지식을 가진자라면 본 발명의 기술적 사상의 범위 내에서 다양한 실시예가 가능함을 이해할 수 있을 것이다. 따라서 본 발명의 진정한 기술적 보호 범위는 첨부된 특허청구범위의 기술적 사상에 의해 정해져야 할 것이다.

Claims (15)

  1. 수입식품 신고가 접수되면, 접수된 수입식품의 종류를 분류하여 안전식품 및 위해식품으로 분류하는 수입식품 검사부와,
    수입되는 식품의 종류별로 리스크 요소를 선정하고 리스크 요소를 기반으로 위해정보를 수집, 분석 및 평가하여 위해도 위험도를 예측하여 집중검사 제품과 신속통관 제품을 판단하기 위한 의사결정 정보를 상기 수입 식품 검사부에 제공하는 리스크 예측부와,
    연계기관 및 정보원과의 정보연계를 통해 수입식품검사 시스템에서 구축된 수입식품 리스크 기반의 사전 예방적 검사체계를 생성하여 수입식품관련 업무처리의 일원화(one-stop processing)를 수행하는 위해식품 통합 관리부와,
    수입신고/접수정보, 검사/처리정보, 시험분석정보, 수입자정보, 글로벌 위해정보, 제조국/제조업체정보, 식품안전관리기준, 식품관련 제도/규정, 리스크 분석 데이터, 수입식품정보 분석, 위해식품 선별 기준을 저장하는 저장부를 포함하여 구성되는 것을 특징으로 하는 위해예측기반 수입식품검사 시스템.
  2. 제 1 항에 있어서, 상기 수입식품 검사부는
    모바일 및 포털 서비스를 통해 수입되는 식품의 신고를 접수받는 수입신고 접수부와,
    상기 수입신고 접수부로부터 접수된 수입식품의 종류를 분류하고, 미리 저장되어 있는 수입식품의 종류별 리스크 평가 결과를 기반으로 신속통관 및 집중검사로 분류하는 검사종류 분류부를 포함하는 것을 특징으로 하는 위해예측기반 수입식품검사 시스템.
  3. 제 1 항에 있어서,
    상기 리스크 예측부는 리스크 예측 알고리즘을 적용하여 위해도 위험도를 예측하며, 이때, 상기 리스크 예측 알고리즘은 수입식품에 대하여 부적합 판정을 받을 확률을 통한 위해도 위험도를 산출하기 위하여 로짓(logit) 모형을 사용하는 것을 특징으로 하는 위해예측기반 수입식품검사 시스템.
  4. 제 3 항에 있어서, 상기 리스크 예측부는
    수입식품 통합리스크 정보를 수집하는 정보 수집부와,
    상기 정보 수집부에서 수집되는 수입식품 통합리스크 정보의 데이터 마이닝을 통해 리스크 요소를 선정하는 분석 관리부와,
    리스크 예측 알고리즘을 적용하여 상기 분석 관리부에서 선정된 수입식품 리스크 요소를 분석하고, 리스크 식품 선별기준에 따라 글로벌 모형과 세부모형을 기반으로 종합적인 위해측정을 고려한 수입식품의 리스크를 평가하여 위해도 위험도를 산출하는 평가 산출부와,
    상기 평가 산출부에서 산출된 수입제품의 위해도 위험도를 기반으로 집중검사 제품과 신속통관 제품을 판단하기 위한 위해등급을 생성하는 위해 예측부를 포함하는 것을 특징으로 하는 위해예측기반 수입식품검사 시스템.
  5. 제 4 항에 있어서,
    상기 정보 수집부에서 수집되는 수입식품 통합리스크 정보는 해외식품 안전정보, 식품안전 관리기준, 리스크 식품정보, 부적합 이력정보, 수입업체 정보, 대행업체 정보, 식품회수정보, 제재정보, 우수수입업소 정보, 성실신고 정보를 포함하는 것을 특징으로 하는 위해예측기반 수입식품검사 시스템.
  6. 제 1 항에 있어서,
    상기 리스크 요소의 선정은 수입식품검사 시스템에 저장하고 있는 데이터와 외부기관을 통해 수집 가능한 데이터 중 리스크 요소 선정을 위한 고려사항을 적용하여 선정하는 것을 특징으로 하는 위해예측기반 수입식품검사 시스템.
  7. 제 6 항에 있어서,
    상기 리스크 요소는 식품군, 국가, 수입자, 신고월, 유전자조작, 유기농, 용도, 제조/수출 동일여부, 행정처분 이력, 제조공정, 허위신고 이력, 자진위하/반려 여부, 위해정보, 저가식품, 위해물질 검출 이력, 회수 이력, 성실신호 평가점수를 포함하는 것을 특징으로 하는 위해예측기반 수입식품검사 시스템.
  8. 제 1 항에 있어서, 상기 연계기관 및 정보원은
    보건복지부, 관세청, 지방자치단체, 농림수산식품부, 식품안전정보원, 한국보건산업진흥원, 한국식품공업협회를 포함하는 유관기관과,
    한국식품연구소, 한국식품연구원, 한국기초과학지원연구원, 한국산업기술시험원, 한국분석기술연구원, 한국건강기능식품연구원, 한국유전자검사센터를 포함하는 식품위생검사기관과,
    협정국가, 해외파견지소를 포함하는 해외정보원을 포함하는 것을 특징으로 하는 위해예측기반 수입식품검사 시스템.
  9. (A) 식품수입에 따른 수입신고서가 작성되어 제출되면, 제출된 수입신고서의 검토를 통해 수입식품 신고를 접수하는 단계와,
    (B) 상기 접수된 수입식품의 종류를 분류하고, 수입되는 식품의 종류별로 리스크 요소를 선정하고 리스크 요소를 통한 리스크 예측 알고리즘을 적용하여 위해정보를 수집, 분석 및 평가하여 위해도 위험도를 예측하는 단계와,
    (C) 상기 예측된 위해도 위험도를 기반으로 접수된 수입식품을 집중검사 제품과 신속통관 제품으로 분류하여 수입식품의 검사를 수행하는 단계와,
    (D) 상기 수행된 수입식품의 검사결과에 따라 반송/폐기 또는 수입신고 확인증을 발급하는 단계를 포함하여 이루어지는 것을 특징으로 하는 위해예측기반 수입식품검사 방법.
  10. 제 9 항에 있어서, 상기 (A) 단계는
    수입신고서가 입력되면, 입력된 수입신고서에 수정이나 보완 사항 여부를 검토하는 단계와,
    상기 검토 결과, 수정이나 보완 사항이 없는 경우에는 입력된 수입신고서의 접수를 확인하는 단계와,
    상기 검토 결과, 수정이나 보완 사항이 있는 경우는 해당되는 수정이나 보완 사항을 기재하여 관세청 및 민원인에게 전송하여 제출된 수입신고서의 정정 및 보완을 요청하는 단계와,
    상기 정정 및 보완 요청이 있는 경우 해당 민원인에 따른 성실신고 평가에 일정값을 마이너스하여 성실신고 평가도에 적용하는 단계를 포함하는 것을 특징으로 하는 위해예측기반 수입식품검사 방법.
  11. 제 9 항에 있어서, 상기 (B) 단계는
    접수 확인된 수입식품의 종류(유형)를 분류한 후, 수입식품의 종류 및 리스크 등급별로 미리 설정되어 있는 검사종류를 선정하는 단계와,
    접수된 수입신고서에 따른 서류심사를 통해 서류적정성 여부를 판단하는 단계와,
    상기 판단결과 서류적정성에 미달되는 경우에는 해당되는 수정이나 보완 사항을 기재하여 관세청 및 민원인에게 전송하여 제출된 수입신고서의 정정 및 보완을 요청하는 단계와,
    상기 정정 및 보완 요청이 있는 경우 해당 민원인에 따른 성실신고 평가에 일정값을 마이너스하여 성실신고 평가도에 적용하는 단계와,
    상기 판단결과 서류가 적정하게 완비된 경우에는 접수된 수입식품이 서류심사 대상인지 현장심사(현장검사, 실험실검사) 대상인지 분류하는 단계와,
    상기 분류결과 서류심사 대상인 경우에는 서류심사를 통해 적부판정을 수행하고, 검사결과를 등록하고 결재처리를 수행하여 검사결과를 확인하여 수입 적합 여부를 확인하는 단계와,
    상기 분류결과 현장심사 대상인 경우에는 수입되는 식품의 종류별로 리스크 요소를 선정하고 리스크 요소를 통한 리스크 예측 알고리즘을 적용하여 글로벌 모형과 세부모형을 기반으로 종합적인 위해측정을 고려한 위해정보를 수집, 분석 및 평가하여 위해도 위험도를 예측하여 위해등급을 생성하는 단계와,
    상기 생성된 위해등급에 따라 집중검사 제품과 신속통관 제품으로 분류하는 단계와,
    상기 분류결과, 신속통관으로 분류된 제품은 현장조사를 통한 현장조사 확인 가능한 리스크 요소만을 확인 및 등록한 후, 적부판정을 수행하고, 검사결과를 등록하고 결재처리를 수행하여 검사결과를 확인하여 수입 적합 여부를 확인하는 단계와,
    상기 분류결과, 집중검사로 분류된 제품은 먼저 현장조사를 통한 현장조사 확인 가능한 리스크 요소를 확인 및 등록한 후, 수입식품의 검체를 채취하여 검체 등록을 수행하여 검체검사를 요청하는 단계와,
    상기 검체검사 요청에 따른 검사 성적서를 통해 등록된 검체의 검사결과가 확인되면, 적부판정을 수행하고, 검사결과를 등록하고 결재처리를 수행하여 검사결과를 확인하여 수입 적합 여부를 확인하는 단계를 포함하는 것을 특징으로 하는 위해예측기반 수입식품검사 방법.
  12. 제 11 항에 있어서,
    상기 선정되는 검사종류는 서류심사 대상, 현장검사, 실험실검사를 포함하는 것을 특징으로 하는 위해예측기반 수입식품검사 방법.
  13. 제 11 항에 있어서,
    상기 집중검사 제품과 신속통관 제품의 분류는 식품군, 국가별, 신고월, 유전자조작, 유기농, 용도코드, 제조수출, 행정처분, 제조공정 정보, 행정처분 이력, 제조시행 결과반영, 허위신호 이력, 회수이력(품목/제조국/수입자 등), 자진취하/반려 이력, 성실신호 평가 이력, 각국의 위해경보(식품안전 정보원), 위해정보과 수집정보, 위해물질검출이력, 저가식품을 포함하는 리스크 요소를 리스크 예측 알고리즘을 적용하여 생성된 위해등급에 따라 분류하는 것을 특징으로 하는 위해예측기반 수입식품검사 방법.
  14. 제 11 항에 있어서,
    상기 현장조사 확인 가능한 리스크 요소는 식품군, 제조국, 신고월, 유전자조작 표시유무, 유기농 표시유무, 용도코드 판매용/자사제품제조용, 제조/수출 동일유무를 포함하는 것을 특징으로 하는 위해예측기반 수입식품검사 방법.
  15. 제 11 항에 있어서, 상기 위해도 위험도를 예측하여 위해등급을 생성하는 단계는
    수입신고 및 검사목록이 전송되면, 글로벌 평가모델(GRS)-(default)과 Sub 평가모델(SS)을 통해 검사대상 제품의 부적합확률, 리스크 등급의 종합적 평가결과를 제공하는 단계와,
    전체 수입검사 목록에 적용하는 모델로, 동일한 리스크 요소와 부적합 확률로 산출한 결과를 표시하는 단계와,
    상기 표시된 전체 수입검사 목록을 식품군, 국가, 수입업자별 특성을 중점적으로 반영하기 위한 모델에 해당되는 경우 추가적으로 Sub, 평가모델을 통해 위해등급을 산출하는 단계를 포함하는 것을 특징으로 하는 위해예측기반 수입식품검사 방법.
PCT/KR2012/011210 2012-12-13 2012-12-20 위해예측기반 수입식품검사 시스템 및 방법 WO2014092230A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020120145662A KR20140077006A (ko) 2012-12-13 2012-12-13 위해예측기반 수입식품검사 시스템 및 방법
KR10-2012-0145662 2012-12-13

Publications (1)

Publication Number Publication Date
WO2014092230A1 true WO2014092230A1 (ko) 2014-06-19

Family

ID=50934504

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2012/011210 WO2014092230A1 (ko) 2012-12-13 2012-12-20 위해예측기반 수입식품검사 시스템 및 방법

Country Status (2)

Country Link
KR (1) KR20140077006A (ko)
WO (1) WO2014092230A1 (ko)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN110459329A (zh) * 2019-07-11 2019-11-15 广东省公共卫生研究院 一种登革热风险综合评估方法
CN111666269A (zh) * 2020-05-29 2020-09-15 华中农业大学 食品安全大数据自动编码与全链条溯源体系
CN112052910A (zh) * 2020-09-21 2020-12-08 深圳海关动植物检验检疫技术中心 食品安全分类方法、装置、计算机设备及存储介质
CN112858204A (zh) * 2021-01-27 2021-05-28 孟定海关综合技术中心 一种基于红外的出入境口岸食品检测系统
CN113537727A (zh) * 2021-06-24 2021-10-22 中国检验检疫科学研究院 基于贝叶斯判定技术的智能风险等级识别系统
CN113592338A (zh) * 2021-08-09 2021-11-02 新疆大学 一种食品质量管理安全风险预筛查模型
CN113762764A (zh) * 2021-09-02 2021-12-07 南京大学 一种进口食品安全风险自动分级与预警系统及方法
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
CN114764682A (zh) * 2022-03-25 2022-07-19 北京工商大学 一种基于多机器学习算法融合的大米安全风险评估方法
CN116681357A (zh) * 2023-07-28 2023-09-01 济南市莱芜区综合检验检测中心 基于人工智能的食品质量分析系统及方法

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101894088B1 (ko) * 2017-03-23 2018-09-04 가천대학교 산학협력단 품질검사 관리장치, 품질검사 의뢰 시스템 및 그 방법
CN108491911B (zh) * 2018-05-24 2024-05-14 中华人民共和国上海出入境检验检疫局 基于检验检疫大数据的一体式移动工作台
KR20210017338A (ko) 2019-08-08 2021-02-17 김양희 빅데이터와 음파를 활용한 인공지능 기반 농수산물 선별 서비스

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020009911A (ko) * 2000-07-27 2002-02-02 강오현 인터넷 검역 시스템
US20060085201A1 (en) * 2002-02-25 2006-04-20 Tarek Sultan Customs inspection and data processing system and method thereof for web-based processing of customs information
KR100791885B1 (ko) * 2007-05-31 2008-01-10 대한민국 밀수동향관리 시스템 및 그 방법
KR100832560B1 (ko) * 2007-12-27 2008-06-10 대한민국 농수산물 저가신고 경보 시스템 및 방법
KR100946650B1 (ko) * 2009-09-18 2010-03-12 대한민국 관세행정 자율점검 시스템 및 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020009911A (ko) * 2000-07-27 2002-02-02 강오현 인터넷 검역 시스템
US20060085201A1 (en) * 2002-02-25 2006-04-20 Tarek Sultan Customs inspection and data processing system and method thereof for web-based processing of customs information
KR100791885B1 (ko) * 2007-05-31 2008-01-10 대한민국 밀수동향관리 시스템 및 그 방법
KR100832560B1 (ko) * 2007-12-27 2008-06-10 대한민국 농수산물 저가신고 경보 시스템 및 방법
KR100946650B1 (ko) * 2009-09-18 2010-03-12 대한민국 관세행정 자율점검 시스템 및 방법

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN110459329A (zh) * 2019-07-11 2019-11-15 广东省公共卫生研究院 一种登革热风险综合评估方法
CN110459329B (zh) * 2019-07-11 2022-11-18 广东省公共卫生研究院 一种登革热风险综合评估方法
CN111666269A (zh) * 2020-05-29 2020-09-15 华中农业大学 食品安全大数据自动编码与全链条溯源体系
CN111666269B (zh) * 2020-05-29 2023-09-15 华中农业大学 食品安全大数据自动编码与全链条溯源体系
CN112052910A (zh) * 2020-09-21 2020-12-08 深圳海关动植物检验检疫技术中心 食品安全分类方法、装置、计算机设备及存储介质
CN112052910B (zh) * 2020-09-21 2024-05-10 深圳海关动植物检验检疫技术中心 食品安全分类方法、装置、计算机设备及存储介质
CN112858204A (zh) * 2021-01-27 2021-05-28 孟定海关综合技术中心 一种基于红外的出入境口岸食品检测系统
CN113537727B (zh) * 2021-06-24 2024-05-14 中国检验检疫科学研究院 基于贝叶斯判定技术的智能风险等级识别系统
CN113537727A (zh) * 2021-06-24 2021-10-22 中国检验检疫科学研究院 基于贝叶斯判定技术的智能风险等级识别系统
CN113592338A (zh) * 2021-08-09 2021-11-02 新疆大学 一种食品质量管理安全风险预筛查模型
CN113592338B (zh) * 2021-08-09 2023-09-12 新疆大学 一种食品质量管理安全风险预筛查模型
CN113762764A (zh) * 2021-09-02 2021-12-07 南京大学 一种进口食品安全风险自动分级与预警系统及方法
CN113762764B (zh) * 2021-09-02 2024-04-12 南京大学 一种进口食品安全风险自动分级与预警系统及方法
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
CN114764682B (zh) * 2022-03-25 2023-04-07 北京工商大学 一种基于多机器学习算法融合的大米安全风险评估方法
CN114764682A (zh) * 2022-03-25 2022-07-19 北京工商大学 一种基于多机器学习算法融合的大米安全风险评估方法
CN116681357B (zh) * 2023-07-28 2023-10-27 济南市莱芜区综合检验检测中心 基于人工智能的食品质量分析系统及方法
CN116681357A (zh) * 2023-07-28 2023-09-01 济南市莱芜区综合检验检测中心 基于人工智能的食品质量分析系统及方法

Also Published As

Publication number Publication date
KR20140077006A (ko) 2014-06-23

Similar Documents

Publication Publication Date Title
WO2014092230A1 (ko) 위해예측기반 수입식품검사 시스템 및 방법
WO2014084438A1 (ko) 온라인을 통한 식품안전 관리 시스템 및 방법
Alfiero et al. Intellectual capital-based performance improvement: a study in healthcare sector
Faqih et al. A comparative review of building component rating systems
Ghapanchi et al. Measuring the effectiveness of the defect-fixing process in open source software projects
Hsiao et al. Predictive models of safety based on audit findings: Part 2: Measurement of model validity
Firdaus et al. An openness of government website content using text analysis method
Kitchen et al. Assessing the association between area deprivation index on COVID-19 prevalence: a contrast between rural and urban US jurisdictions
Xu et al. New journal classification methods based on the global h-index
Logie et al. Evaluating audit quality using the results of inspection processes performed by an independent regulator
KR20150022966A (ko) 위해예측기반 수입식품검사 시스템 및 방법
Zheng et al. A hybrid approach for evaluating faulty behavior risk of high‐risk operations using ANP and evidence theory
Benner Jr Accident investigation data: Users’ unrecognized challenges
Potter et al. Guidance for considering ethical, legal, and social issues in health technology assessment: application to genetic screening
Tátrai et al. Improving red flag instruments for public procurement
Užienė et al. Factors influencing intellectual capital measurement practices
Stretesky et al. Self-policing and the environment: Predicting self-disclosure of Clean Air Act violations under the US Environmental Protection Agency's Audit Policy
Hale et al. Client acquisition following an auditor’s unethical behavior: An examination of reputational consequences following KPMG’s “steal the exam” scandal
Blanc et al. Using outcomes to measure aggregate-level compliance–justifications, challenges, and practices
Lindsay et al. Mobile access to information systems in law enforcement: An evaluation of its implications for data quality
Kolomiiets et al. Transparency of social-economic determinants in developing the efficient public healthcare system
Saad The role of artificial intelligence techniques in achieving audit quality
Stazić et al. Testing of the evaluation methodology for Ship’s Planned Maintenance System Database
Sharma et al. Analyzing pharmaceutical industry risks under uncertainty for performance improvement: an Indian scenario
Gillespie Safety in supply chains: Evaluating sources of evidence

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 12889884

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

32PN Ep: public notification in the ep bulletin as address of the adressee cannot be established

Free format text: NOTING OF LOSS OF RIGHTS PURSUANT TO RULE 112(1) EPC (EPO FORM 1205N DATED 19/08/2015)

122 Ep: pct application non-entry in european phase

Ref document number: 12889884

Country of ref document: EP

Kind code of ref document: A1