水产品质量安全风险评估模型

来源:用户上传      作者:

　　 摘要：我国不仅是世界上的水产品生产大国，更是消费大国，但近年来国内的水产品质量安全问题时有发生，引起了社会各界的普遍关注。笔者以水产品实体的质量安全为研究对象，首先在水产品流通过程分析的基础上，对水产品各阶段可能产生的风险事件进行识别，建立了水产品质量风险综合评估指标体系。而后对传统的模糊综合评价法进行改进，使用重心法对三角模糊数去模糊化;在解决群决策环境下专家权重系数方面，引入了熵函数构建非线性规划模型，并使用粒子群算法对其进行求解。最后根据水产品质量风险综合评估指标体系进行计算，得出各风险因素的风险评估值，为企业保证产品质量提供参考依据，具有一定的现实意义。
　　 关键词：质量安全;风险评估;模糊综合评价法;熵函数;粒子群算法
　　 中图分类号： TS207.7  文献标志码： A  文章编号：1002-1302（2020）03-0231-08
　　我国各类水产品资源极其丰富，产量居于世界第一。但我国相关水产品企业的总体加工水平却有很大的提升空间，可以大致归结为以下2个方面原因：（1）企业的技术装备比较落后，设备陈旧且自动化程度不高，导致生产效率低、产品质量得不到保證。（2）加工企业的技术管理水平较低，众多先进的现代化管理手段应用不广泛，在优化配置当前先进生产组织和管理系统等方面缺乏实效。
　　随着人们对食品质量安全的重视程度不断增加，人们对水产品及其制品的质量要求也不断提高。水产品行业是一个较为特殊的行业：各类水产品名类繁多，对运输条件和储藏条件要求都极为苛刻，损耗率也很高。除此之外水产品季节性还很强，风险也较难控制。并且水产品行业整体信息化服务体系不健全，生产加工技术落后，检疫技术和行业养殖技术缺乏更新换代，这些因素最终直接导致了质量安全事件频发。这些不良后果不仅在一定程度上威胁到消费者的生命安全，更阻碍了我国水产品出口贸易的健康发展。风险评估作为现代风险分析体系至关重要的一个环节，为风险管理、标准制定等其他环节提供了技术支撑作用。因此，为确保消费者的健康及财产不受损失，在水产品领域开展风险评估显得尤其重要。
　　1 国内外研究现状
　　1.1 风险识别
　　目前，国内学者一般是运用因果分析法、情景分析法、历史分析法、流程分析法等方法对供应链风险因素进行识别，其中流程分析法运用的频率最高。夏德等根据因果分析法和层次分析法从6个方面来识别供应链风险[1]。张存禄等使用情境分析法，对违规、违约的产品供应商提供了识别办法，从供应商角度来降低供应链流程中的风险[2]。李守泽等利用故障树理论以及模糊理论，建立了供应链中失效风险的故障树模型，分析了其中的关键风险[3]。莫军等在分析了供应链流程的基础上，建立了识别汽车产业供应链风险要素体系，并针对其中的要素进行了评估[4-5]。Neiger等基于传统的流程分析法，提出了一种合理的改进方法，并将其重新定义为基于价值决策的流程分析方法[6]。
　　1.2 风险评估
　　国内外对风险评估方面的研究，常用的方法包括数据包分析法、BP神经网络、模糊层次分析法等。张汉江等利用数据包络分析法模型综合分析了农产品供应链中的风险[7-8]。Saaty在传统的层次分析法的基础上，引入了包络分析法，对整个供应链过程中的风险进行了有效评估[9]。Hüsken等运用了BP人工神经网络，建立了针对供应链综合风险的评估模型[10-11]。杨扬等基于系统动力学方法，以云南省生鲜蔬菜冷链物流为例，明确了流通过程中的风险因素，并建立了反馈机制[12]。江孝感等使用模糊综合评价法对供应链中风险发生的概率及作用大小进行了分析[13]。耿雪霏等为了对供应链风险进行量化，结合模糊综合评判法和层次分析法对指标进行了处理[14]。岳国君等采用了扩展模糊认知法评估质量风险[15]。
　　整体而言，由于对水产品质量风险的衡量存在一定的特殊性，很难用直观的数字加以描述，因此在这一领域应用最广泛的方法就是模糊综合评价法。模糊数学较为突出的特点是引入了隶属函数，实现了从单纯的人类直觉到直观数字描述之间的转换，这就更加便于进行数据的计算和处理，也符合风险评估要求。因此，本研究采用该方法对水产品供应链质量风险进行综合评估。
　　2 水产品流通过程分析
　　由供应链管理理论可知，一条完整的供应链一般由以下4个基本环节构成：产品供应商、产品制造加工商、产品批发配送商、产品零售商。在水产品供应链系统中，数量众多的个体水产养殖户充当了供应商的角色;加工商由无数的小工厂组成;批发配送商则是由水产品批发市场的产地批发商和销地批发商组成;零售商则包括各地农贸市场以及生鲜超市等终端环节，还有一部分流通至饭店进行加工销售，具体的运作流程见图1。
　　 我国的水产品安全事件频繁发生的一大重要原因就是相关生产加工企业不成规模并且缺乏科学有效的管理机制，在事故发生后责任难以界定[16]。尽可能降低水产品质量安全风险不仅提高了农业发展水平，更重要的是确保了广大消费者的利益。因此，系统科学地评价水产品质量安全风险十分必要。
　　3 水产品质量安全风险因素识别
　　大部分的水产品养殖流程由种苗培育以及成品养殖构成，其中种苗的培育工序主要包括养殖池的清理消毒、引水、培育肥水、入池前试水、水质及温度管理、投放饲料、用药和巡视工作。成品养殖的流程与种苗培育基本一致，但要求及检测阈值有所差异。水产品的贮运阶段主要包含暂养和运输中的供氧、水温及水质控制、路线规划等。销售阶段同样包括暂养，并有保鲜、宰杀及包装工序。本研究界定的水产品风险管理和追溯过程是从育苗阶段开始，到相关检疫部门通过检测后销售到消费者结束，其过程中具体功能定义如下：
　　水产品养殖：水产品的育苗阶段处于产品生命的早期，具有很多不同于成品的生理特点，故须要采用更为细致的养殖技术和先进的配套设备，力求保障水产品的高成活率及高质量规格。成品养殖要掌握合理的放养密度、水质情况以及病害情况。 　　商品化处理：水产品的商品化处理分为2个部分，一是对于水产品制品的加工，对制成品进行包装;二是采用人工或工具处理工艺，对鲜活水产品进行分选、分级，而后直接流通销售。
　　贮运：对于鲜活水产品，影响其运输效率和存活率的因素主要包括运输方式、水质、温度、水产品的自身条件和监控措施。暂养保鲜阶段则需要对暂养池进行温度调节、有机物清理及水质含氧量控制。
　　销售：对于水产品制成品，应根据产品需求区别存放，如冷藏、冷冻或干湿度要求等。对于鲜活水产品，是对顾客挑选好的商品进行定重、解剖清洗及包装。这一阶段须确保包装材料符合食品安全标准。
　　根据e-EPC资源分类法把水产品流通管理过程中资源支持定义为管理、技术、设备和环境四大关键风险源。通过这些风险源挖掘出阻碍各个功能活动对应的价值风险目标实现的潜在风险事件，为做好风险防范与控制找准切入点。依照水产品供应流程逐次分析，总结得出具体风险事件如下：
　　3.1 水产品养殖过程的风险事件挖掘
　　管理资源：种苗的选择，池塘、网箱等设计和管理情况对水产品的产量和质量有着不可忽视的作用。
　　技术资源：饲料使用的合理性将会影响水产品的健康状况和产量，喂养方式的合规性和行业先进性也是影响水产品产量的关键因素。
　　设备资源：打捞设施、投喂设备的运转情况可能会影响养殖流程的正常运转。
　　环境资源：养殖水源遭受污染是影响水产品质量安全最重要的因素之一;水灾、旱灾、地震等自然灾害也会影响水产品的正常养殖。
　　3.2 水产品商品化处理过程的风险事件挖掘
　　管理资源：产品处理过程中投入品的选择直接影响产品质量。
　　技术资源：投入品使用不规范，违规添加防腐剂、添加剂等行为会对水产品或其制品的质量造成严重影响，甚至对消费者健康形成潜在危害;在产品处理过程中工艺设计不合理、操作不当会影响产品质量。
　　设备资源：处理设备故障会影响水产品质量或生产效率。
　　环境资源：处理场地环境卫生不合格会直接影响所接触的产品。
　　3.3 水产品贮运过程的风险事件挖掘
　　管理资源：若运输路线规划有误，运输方式选择不当，会导致水产品配送时间延长，使产品质量受到影响。
　　技术资源：与装载的密度和货车司机的开车水平也有一定的关系。
　　设备资源：配送车辆故障以及随车的温度控制设施、供氧设施出现故障都会对水产品质量产生负面影响。
　　环境资源：配送环境主要是指道路状况，如果配送过程中路况不好，过于颠簸或发生堵车现象，则会拖延运输时间。
　　3.4 水产品销售过程中风险事件挖掘
　　管理资源：暂养所用的容器、产品所能接触的工具和设施均须要保持卫生，按照规范进行消毒;按照FIFO（first in first out）原则进行售卖，保证水产品以最新鲜的程度卖给消费者。
　　技术资源：在售卖过程中所涉及到的屠宰、称质量、包装均须要经过相应的技术培训操作，否则可能会由于操作不当降低水产品品质。
　　设备资源：销售阶段水产品所需的设备包括温控设施、供氧设施、宰杀工具以及消毒设备等，若某种设备出现故障，都将一定程度影响水产品质量。
　　环境资源：水产品的销售环境主要分为暂养池环境、冷藏环境以及屠宰环境等，每個场景下均须合规消毒，保证卫生条件。
　　基于上文关于风险事件的识别的结果，考虑到全面性、客观性、独立性、重要性及动态性5项指标选取原则，构建养殖、商品化处理、贮运、销售4个阶段的评估指标体系（表1至表4）。
　　4 水产品质量安全风险评估
　　现在通用的风险评估方法根据所使用的理论基础不同可以分成3个类别：（1）基于统计学，采用统计学的方法对被评价对象所选取的指标分析研究，利用样本数据来技术分析所评价内容，常用的分析方法有层次分析法、因子分析法、主成分分析法等;（2）基于数学理论，常用的方法包括灰色系统分析法、模糊综合评价法、粗糙集理论及技术经济分析法等;（3）模拟决策的方法，利用系统仿真及模拟技术，使所研究的系统运行结果无限逼近用户的行为目标，从而得到评价结果，例如神经网络算法等。
　　 在水产品供应链中产品质量的风险评价指标一般情况下是定性的，不易被量化。基于上述方法分析，本研究采用模糊综合评价法（fuzzy comprehensive evaluation method，简称FCEM）来对其指标进行评价。该方法是一种引入了模糊数学的综合评价方法，通过对模糊数隶属等级情况的判断来进行综合评价，在现有条件范围内，赋予每个对象一个非负的实数，并逐个对指标进行评价，再根据此评价结果进行排序和分析。其优点是可以对不易量化的因素进行量化，解决系统中边界模糊、难以定量的因素，并且其最终运算结果是一个矢量，所包含信息较多，方便进行下一步处理，相较于其他方法有更多的研究空间。
　　4.1 模糊综合评价法一般步骤
　　4.2 基于三角模糊数和熵函数的模糊综合评价法
　　在水产品质量风险评估的过程中，要保持尽量合理、客观的原则。为了使评估最大程度上客观化，本研究对传统的模糊综合评价法做了一定程度上的改进。张华英通过引入重心法去模糊化和熵函数，对传统的层次分析法进行了改进[17]。本研究借鉴其改进思路，首先采用三角模糊数的方法确定评价等级集中的风险值;其次，在赋权环节引入了熵函数，结合极大熵、相对熵准则建立了确定专家打分权重系数的非线性规划方程，一定程度上减少了传统赋权方法的主观性。改进的模糊综合评价法具体步骤如下：（1）设定调查问卷中风险危害性等级以及发生概率等级，利用重心法去模糊化，从而计算得出由危害性等级和发生概率共同决定的质量风险值;（2）根据专家对质量风险指标重要性的评分，计算其权向量，利用熵函数解决群决策环境中专家权重系数的确定问题，从而得出各风险指标的权重;（3）根据各质量风险指标的风险值和权重计算水产品质量安全综合评估值。 　　4.2.1 三角模糊数去模糊化 以一般评估过程的等级划分为依据，将风险发生概率以及质量风险危害性分为非常低、低、中等、高、非常高等5个不同等级，且与各等级对应的三角模糊数见表5。
　　5 结论
　　本研究主要探讨了水产品流通过程中影响其质量安全的风险因素。在风险识别方面，通过对水产品流通过程进行梳理、对现行水产品风险因素加以分类总结，得出水产品质量风险综合评价体系。在风险评估方面，概述了传统的模糊综合评价法，然后详细阐述了传统方法中的局限性，并提出了解决方法：（1）确定综合风险评估等级，实现三角模糊数去模糊化;（2）运用熵函数挖掘出各评估专家权重系数的信息，从定量的角度衡量各风险因素的大小。结合质量风险评估指标体系设计调查问卷，并在相关水产品领域专家获取权重打分信息，获得相应的质量风险评估数据。最后根据模糊综合评价法计算得出各阶段的质量风险状况，从而为国内水产品质量规范化和细致化管理决策提供一定依据，辅助水产品相关企业进行更具实效和针对性的质量安全管理，对保证消费者利益和行业健康发展有一定借鉴意义。
　　参考文献：
　　[1]夏 德，王 林. 供应链风险识别与风险管理杠杆选择[J]. 企业经济，2012，31（7）：24-27.
　　[2]张存禄，黄培清. 数据挖掘在供应链风险控制中的应用研究[J]. 科学学与科学技术管理，2004（1）：12-14.
　　[3]李守泽，余建军，孙树栋. 风险管理的技术和最新发展趋势[J]. 中国制造业信息化，2010，39（9）：5-10，16.
　　[4]莫 军. 汽车行业供应链风险识别与控制[D]. 秦皇岛：燕山大学，2008.
　　[5]金 铌. 基于本质安全的供应链风险识别方法研究[J]. 中国安全科学学报，2011，21（3）：145-149.
　　[6]Neiger D，Rotaru K，Churilov L. Supply chain risk identification with value-focused process engineering[J]. Journal of Operations Management，2009，27（2）：154-168.
　　[7]张汉江，葛伟娜，罗端红. 质量贸易条件与农产食品贸易的质量风险控制[J]. 系统工程，2007（9）：49-54.
　　[8]程 鹏. 供应链风险评估中贝叶斯网络的应用[J]. 生产力研究，2012（3）：215-216，150.
　　[9]Saaty T L. Decision making - the analytic hierarchy and network processes （AHP/ANP）[J]. Journal of Systems Science and Systems Engineering，2004，13（1）：1-35.
　　[10]Hüsken M，Jin Y，Sendhoff B. Stucture optimization of neural networks for evolutionary design optimization[J]. Soft Computing，2005，9（1）：21-28.
　　[11]王新利，趙 琨. 基于神经网络的农产品物流需求预测研究[J]. 农业技术经济，2010（2）：62-68.
　　[12]杨 扬，杨小佳，喻庆芳. 基于系统动力学的生鲜农产品国际冷链物流运作风险控制研究——以云南省生鲜蔬菜国际冷链物流为例[J]. 北京交通大学学报（社会科学版），2017，16（3）：119-128.
　　[13]江孝感，陈丰琳，王 凤. 基于供应链网络的风险分析与评估方法[J]. 东南大学学报（自然科学版），2007（增刊2）：355-360.
　　[14]耿雪霏，刘 凯，王德占. 供应链风险的模糊综合评价[J]. 物流技术，2007，26（8）：164-167.
　　[15]岳国君，李向阳. 粮油食品加工企业质量风险突发事件预警模型研究[J]. 中国油脂，2012，37（7）：41-45.
　　[16]陈校辉，钟立强，王明华，等. 我国水产品质量安全追溯系统研究与应用进展[J]. 江苏农业科学，2015，43（7）：5-8.
　　[17]张华英. 农超对接模式下水产品供应链质量风险管理研究[D]. 广州：华南理工大学，2013.
转载注明来源:https://www.xzbu.com/1/view-15154059.htm