庞军朋 中国宝武钢铁集团有限公司管理学院 

摘要:产品的质量是企业的生命，影响产品质量的因素复杂而多样，及时、准确地获取产品质量信息，运用科学的手段分析、研究判断产品质量风险具有现实的必要性和迫切性。本文分析了国内外产品质量风险评估方法的现状，提出了建立产品质量大数据采集渠道，就建立产品质量风险分析评估方法进行了初步研究，并对进行看展大数据技术质量风险评估进行了展望。

关键词:产品质量；风险评估；大数据技术

国务院《质量发展纲要（2011-2020年）》将产品伤害监测作为重要的内容列入其中，明确提出建立“产品伤害监测制度，加强对重点产品、重点行业和重点地区的质量安全风险监测和分析评估，对区域性、行业性、系统性质量风险及时预警，对重大质量安全隐患及时提出处置措施”。《质检总局关于加强产品质量安全风险监控工作的指导意见》（国质检监〔2014〕36号）中提出“以产品质量中影响人体健康和人身财产安全等因素为内容”，“形成以预防为主、风险管理为核心的产品质量安全监管新机制”。

近年来，随着我国经济社会的快速发展，产品种类日益丰富，结构日渐复杂，这使得产品伤害和缺陷事件频发，群众对产品安全的担忧日益加剧。产品质量风险评估是各级质量监管部门重要工作之一，责任越来越重，压力越来越大，担子越来越重。随着大数据时代的到来，大数据技术已经应用到各个行业，影响到我们的生活的各个方面。从物流信息到行业发展的趋势分析，从个人健康到医疗服务，从电子商务到市场营销，大数据已渗透到各种领域。这为利用大数据技术进行产品质量风险评估，实现产品质量分析与监督的时效性、及时性及有效性提供了技术支撑。

利用大数据技术进行产品质量风险评估，为产品质量监管奠定良好基础，实现传统型的产品质量监管监管模式到大数据智慧型的转变，提高监管人员的工作效率，并使得监管科学、便利和高效。本文就利用大数据技术开展产品质量风险评估进行应用探讨。

一、国外产品质量风险评估方法现状

传统的产品质量风险评估方法比较单一，评估所使用的样本量或方法皆有一定的局限性。随着科技的进步和计算机技术的发展，目前产品质量风险评估的方法多样，形式也不拘一格，而对风险建立模型进行量化以减少人为因素的干扰是公认比较科学合理的。美国、欧盟等国家和地区早已采用不同的质量安全评估方法，对产品质量安全风险评估进行了深入研究。我国相关产品风险评估技术的研究开展较晚，国外一些产品风险评估的理论、 风险分析方法和技术值得我们借鉴，并在此基础上，进一步对产品质量风险评估方法展开深入研究。

（一）欧盟产品质量风险评估

风险评估是欧盟消费品安全风险管理中的关键性步骤，通常采用的是RAPEX法与诺模图法，评估产品质量风险的大致流程如下：开展危险信息的收集、对伤害处境进行构建、分析综合风险发生的可能性及严重程度、进行风险评估确定风险水平。

RAPEX法是欧盟给出的风险评估方法，是欧盟在非食品领域内危险品快速报警系统的支撑性风险评估方法。关于伤害评估发生的概率，RAPEX法不仅仅考虑产品本身的危险产品的概率，也定性地考虑了暴露因素。在2010年，欧盟重新发布了RAPEX法的更新版，对产品安全风险水平进行了更进一步的细分，调整和增加了产品安全风险的严重程度和发生概率，并对风险水平等级进行了细化调整等。并将辐射、微生物污染、毒性等非物理性危险纳入评估的范围。在危险识别、伤害严重程度和发生概率估计阶段，新方法对目标消费人群、暴露程度、风险减缓条件予以考虑，显然这也是为了使该方法的适用范围尽可能扩大。

诺模图法属于半定量的、基于近似计算理论的风险评估法，主要利用图解关系来代替复杂的公式变量关系。在上世纪90年代中后期，新西兰有关学者开始利用诺模图法进行消费品安全风险评估，顺后斯洛文尼亚的学者对该方法进行了进一步发展，形成了所谓的斯洛文尼亚诺模图法。诺模图法的具体评价方式如下图1所示。

图1诺模图法

（二）美国产品质量风险评估

美国没有大面积覆盖的产品质量风险评估监督抽查，但由美国消费者产品安全委员会（简称CPSC）建立了美国产品伤害检测系统。美国在消费品的风险分析、预警与控制方面发展较快，建立了一套较为完备的体系。同时，美国消费者能够主动积极参与到产品质量监管中，促进产品质量水平发展。美国CPSC对于风险的定义，考虑了暴露程度对于风险的影响。

美国CPSC风险评估可以分为四个主要步骤：对风险进行识别、进行风险评估、开展风险交流、对可能的风险进行控制等。CPSC将风险定义为：风险=暴露程度×危险，主要采用矩阵法对风险进行综合评估，该方法将风险伤害的严重程度分为三个等级，包括无需住院治疗的伤害、需要住院治疗的伤害及惨重致命的伤害；将伤害发生的概率分为5个等级，包括非常低、低、中等、高及很高。

二、我国产品质量风险评估方法现状

我国开展产品风险评估的研究工作相对于国外发达国家比较晚，但随着我国社会经济和人民生活水平的不断提高，日益丰富的各类产品在满足日人们生产生活需求的同时，也因使用不当或因产品本身的质量问题造成的各类人身和财产伤害不断增多，随之而来的针对产品风险评估的研究也越来越受到重视。当前，我们开展产品质量风险评估中，主要以消化、吸收、利用国外研究成果为主。同时，基于计算机信息技术的开发和应用，采用信息技术管理、产品质量信息的处理分析和风险评估，基于大数据思维，利用大数据技术，进行数据的整合和特征分析，借鉴国外成熟的研究方法，进行多维度信息利用、多特征提取，在数据的流入、存储和流出过程中实现对产品质量可能存在的风险进行评估。针对日常大量的检验数据，运用相关质量风险评估技术来构建产品质量安全风险评估的模型，但基于及检验数据构建的模型，其指标体系的建立采用了专家知识确定，人工依赖性较大。就针对系统性产品质量问题的预警风险评估而言，目前在国内实际上缺失研究。

三、建立产品质量大数据采集渠道

当今时代，大数据技术已广泛应用于各个领域，尤其随着计算机技术和信息技术的迅猛发展，人们每天都会接触和应用到海量的数据，数据规模呈几何级数量增加，若不进行大数据的分析与利用，规模越来越大的数据不仅不能创造应有的价值，反而会成为我们的负担，因此，开展大数据的挖掘与应用迫在眉睫。数据挖掘包含了数据库、机器学习、统计学分析以及仿生学等多个领域知识的学科。数据挖掘的基本过程就是从数据库中提取先前未知的、有效的和实用的信息，并使用这些信息做出决策或获取丰富知识。要进行有效的数据挖掘，必须对数据进行预处理，以“过滤”掉那些无效的、无意义的数据。对数据预主要包括数据准备和数据规约两部分，在数据准备阶段，主要进行的工作有数据的清理、数据的集成以及数据的规格化。在数据规约阶段，主要进行的工作有合并元组、消除与挖掘目标无关的属性。例如，在企业实践中，数据挖掘是针对企业既定的业务目标，对企业拥有的海量数据进行提取、整合、研究和分析，以达到对模糊及未知信息的释疑或对已知规律的验证，并进一步将其模糊化的有效方法，从企业数据库中提取有助于企业决策的关键有效数据是其显著特点。通过医院、社区、学校、网络、质量热线、市民热线等渠道收集汽车、家用电器和儿童用品存在的缺陷问题以及消费者使用或消费产品造成的伤害信息，通过一定区域、一定时间、一定数量的样本点，收集、监测、整理相关信息，包括伤害患者信息、事故原因、伤害情况、致伤产品、产品类型、产品缺陷问题等信息，建立标准化的数据收集和传递方式，为后续分析研究及应用提供数据资源。

四、建立产品质量风险分析评估方法

采用决策树方法建立指标体系，权重分析的方法，借助专家评估调整权重，再利用k-means聚类分析将寻找中心和类簇、进一步采用Fisher判别法，判定产品质量风险类别，从而建立产品质量风险评估模型，针对不同行业、不同产品的质量缺陷和伤害信息进行统计分析。从数据产生决策树的机器学习技术就叫着决策树（Decision Tree）学习，其是一种逼近离散值目标函数的方法，从这种方法中学习得到的函数被表示为一棵决策树。一个决策树通常包含决策节点、机会节点和终结点三种类型的节点。

产品质量风险评估过程中，先需要进行风险评估对象的数据源的数据采集并进行必要的数据预处理，在数据采集与处理的基础上建立指标树，对数据进行标准化处理，以使不同评价指标的量纲归一化，然后进行数据聚类分析。最后利用判别分析，借助费歇尔判别法，对样本进行训练，找到分类函数。

根据各类产品伤害、缺陷、投诉等历史信息，提炼与质量有关的关键词，建立不同种类质量问题的关键词库，并根据产品属性、缺陷特征、质量问题类型、发生频率等，建立评价潜在产品风险的指标体系，并引入数学分析方法，研究建立数学模型及各指标权重，实现质量风险的量化评估。由于产品质量风险的倾向对行业具有一定依赖性，不同行业的品牌产品在产品缺陷、品牌缺陷和产品伤害的侧重程度不同，因此通过判别分析，综合考虑产品在所属行业大方向下的风险趋向，判断产品质量风险所属类别，从而，产品质量风险的判别分析为加强产品质量风险监管提供了更好的参考。

五、大数据技术质量风险评估展望

质量风险越高的产品，给消费者、制造者和社会带来负面效应的概率越大。一旦发生系统性质量问题，在人身和财产安全、品牌忠诚度、企业竞争力、社会影响力等方面都会造成不良后果。利用大数据技术进行质量风险评估可以为相关主管部门科学决策、市场调控、分类监督管理提供参考依据，但质量风险评估系统模型计算的精确性在很大程度上取决于数据量，指标树模型、数据库等都需要进行不断调整、优化和更新，提升预判的精准程度；同时，由于大数据技术更多地从已产生的问题来分析现状和预判未来的趋势，系统模型主要反应采集信息的质量风险评估趋势，后续的研究应融合所涉产品标准水平信息、产品实测技术水平、上下游产品质量信息等，建立更为全面的综合性评价模型，并进一步就存在的产品质量风险提出针对性的建议。

参考文献：

[1]汪毅.浅析产品质量风险评估及管理[J].中国新技术新产品,2013(4),229-230.

[2]郭先超,林宗缪,姚文勇.大数据环境下产品质量安全风险评估研究[J].信息技术,2016(6),76-79.

[3]蔡佳苗,陈学章,巫俊宏.大数据在产品质量风险信息管理中的应用研究[J].标准科学,2014(1),82-90.