分享基于大数据分析的餐饮食安动态监管方法与流程

如下介绍的分享基于大数据分析的餐饮食安动态监管方法与流程,欢迎阅读哦~


本发明属于大数据分析技术领域,具体涉及一种基于大数据分析的食品安全动态监管系统及方法。



背景技术:

民以食为天,随着经济和社会的发展,居民外出就餐频次越来越多,对餐饮的需求越来越丰富多样。为了保证餐饮行业的健康发展,监管部门需要实时动态跟踪各个餐饮业主的经营情况,发现问题或潜在的问题需要及时进行跟进解决。

现有技术中,餐饮行业中对餐饮企业的分级有年度评级abc和量化分级(脸蛋)管理。但是不管是年度评级还是量化分级,更多的是依赖监管人员在餐饮企业现场检查后主观性的予以评价,具有很大的极限性:一是监管人员需要到现场检查,需要有大量的人力支撑;二是缺少高频次取样数据的有力支撑,不客观;三是具有短时性,无法动态、持续的反应出企业的实际状态;四是年度评级和量化分级都只是一个结果展示,缺少互动性和参与感;五是年度评级和量化分级只反映出一个企业,停留在点上分析的阶段,无法对区域样态进行整体评估。

随着物联网、人工智能、云视频等科技手段的发展,餐饮行业监管面临的问题可以得到有效的解决。



技术实现要素:

鉴于以上存在的技术问题,本发明用于提供一种基于大数据分析的餐饮食安动态监管方法。

为解决上述技术问题,本发明采用如下的技术方案:

本发明实施例的一个方面提供了一种基于大数据分析的餐饮食安动态监管方法,包括:

数据接入,用于接入包括政府监管部门类数据、餐饮单位类自检数据、社会评价类数据的餐饮行业数据,运用大数据云计算技术,综合评价餐饮单位在一定期间内包括ai视频分析不规范行为、场所环境和设备运行物联感测、电子台帐资料、人员培训和自查落实日常管理的数据;

食安指数风险因子统计,用于对接入的数据按照餐饮安全风险因子统计,根据建立的风险模型进行风险分类、量化评级,得到餐饮企业安全评分。

优选地,进一步包括:

风险排序,按照风险因子类型将餐饮企业分为高风险单位、一般风险单位和低风险单位;

监管指令生成,对高风险单位进行50%随机选择检查对象和随机选择检查人员以及抽检;对一般风险单位进行40%随机选择检查对象和随机选择检查人员以及抽检;对低风险单位进行10%随机选择检查对象和随机选择检查人员以及抽检。

优选地,餐饮单位类自检数据包括员工日常晨检、体温测量,晨检状态和打卡数据。

本发明实施例的又一方面提供了一种基于食安指数变化的四色动态食安码管理方法,包括:

数据接入,用于接入包括政府监管部门类数据、企业类自检数据、社会评价类数据的餐饮行业数据,运用大数据云计算技术,综合评价餐饮单位在一定期间内包括ai视频分析不规范行为、场所环境和设备运行物联感测、电子台账资料、人员培训和自查落实日常管理的数据;

食安指数风险因子统计,用于对接入的数据按照餐饮安全风险因子统计,根据建立的风险模型进行风险分类、量化评级,得到餐饮企业安全评分;

四色动态食安码生成,用于根据得到的餐饮企业安全评分生成表示企业食品安全指示的有色二维码,灰码表示未纳入评估的餐饮企业;绿码表示低风险餐饮企业;黄码表示中风险餐饮企业;红码表示高风险餐饮企业。

优选地,食安码中信息包括食安指数的数值、餐饮企业的食品安全风险状况。

优选地,餐饮单位类自检数据包括员工日常晨检、体温测量,晨检状态和打卡数据。

优选地,食安码面向公众展示,并且同步展示在外卖订餐平台。

本发明实施例的又一方面提供了一种基于餐饮主体风险分级比例生成的区域五色动态食安码管理方法,包括:

数据接入,用于接入包括政府监管部门类数据、企业类自检数据、社会评价类数据的餐饮行业数据,运用大数据云计算技术,综合评价餐饮单位在一定期间内包括ai视频分析不规范行为、场所环境和设备运行物联感测、电子台帐资料、人员培训和自查落实日常管理的数据;

食安指数风险因子统计,用于对接入的数据按照餐饮安全风险因子统计,根据建立的风险模型进行风险分类、量化评级,得到餐饮企业安全评分;

风险排序,按照风险因子类型将餐饮企业分为高风险单位、一般风险单位和低风险单位;

区域五色动态食安码,通过区域内食安风险企业的数量和比例生成五色动态食安码来呈现区域内食安状态,红色表示高风险,橙色表示较高风险,黄色表示中风险,蓝色表示较低风险,绿色表示低风险。

优选地,餐饮单位类自检数据包括员工日常晨检、体温测量,晨检状态和打卡数据。

采用本发明具有如下的有益效果主要如下:

(1)警示餐饮单位。餐饮单位责任人员及其上级主管部门可以通过指数情况,随时掌握单位主体责任落实状况,精确查找问题及原因,及时采取有效措施,防微杜渐,将隐患消灭在萌芽状态。

(2)提升监管效能。监管部门以辖区内餐饮单位主体责任落实指数高低为参考,切实加大对“红色”指数和“黄色”指数餐饮单位的执法检查和监督抽检力度,确实提升打击精度,大大提高监管效能,破解监管力量不足难题。

(3)推动社会共治。让广大消费者在选择就餐时,能以便捷方式获取餐饮企业主体责任落实指数、企业诚信和监管检查结果等相关信息,全面深入地参与到食品安全管理的社会共管共治,共同推进国家食品安全示范城市创建工作。

附图说明

图1为本发明实施例的基于大数据分析的餐饮食安动态监管方法的示意图。

具体实施方式

下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。

实施例1

参照图1,所示为本发明一实施例的基于大数据分析的餐饮食安动态监管方法,包括以下步骤:

数据接入,提供多个接口用于接入包括政府监管部门类数据、企业类自检数据、社会评价类数据的餐饮行业数据,所述数据接入根据监管需求动态调整。例如政府监管部门类数据可包括掌上执法系统监管检查数据、食品经营许可系统和“三小一摊”备案系统数据、营业执照登记系统数据、食源性疾病风险监测系统数据、“双体系”检测溯源系统数据、食材餐具监督抽检系统数据、从业人员电子健康证系统数据、行政处罚案件系统数据、网络订餐证照比对系统数据和餐厨废弃物处置系统数据等。企业类自检数据可以包括智慧餐饮管理系统电子台账数据、主体自查数据、“智能阳光厨房”系统视频抓拍数据、环境设备物联感测数据、网络订餐超范围经营ai分析系统数据、从业人员培训系统数据和食材配送信息化溯源系统数据等。社会评价类数据包括舆情监测系统数据、第三方协查系统数据、消费点评数据和消费者投诉举报系统数据等。

食安指数风险因子统计,用于对接入的数据按照餐饮安全风险因子统计,根据建立的风险模型进行风险分类、量化评级,得到餐饮企业安全评分。食安指数风险因子按照风险因子进行统计,例如经营证照类风险项目项下包括证照未公示、无证经营、食品经营许可证超过有效期限和超范围经营的风险因子。人员管理项目项下包括从业人员无健康证、从业人员健康证过期、食品安全知识培训、食品安全管理员定期培训、从业人员晨检记录和从业人员集中晨检的风险因子。操作行为项目项下包括上岗操作不穿工作服、上岗操作不戴帽子、在厨房内抽烟、违规手机、垃圾桶不加盖、专间砧板未消毒、进入专间未二次更衣、进入专间未洗手消毒和专间内人员不戴口罩的风险因子。食品质量安全项目项下的食品贮存不规范、索票索证不落实、食材检测不合格、食材风险比对示警、食品腐败变质、食物有异味、添加剂管理不规范、超范围、超限量使用食品添加剂、违法添加非食用物质、使用过期食品和食品标签标识不符合等风险因子。餐具消毒项目项下包括餐具消毒设备未配备、消毒设备未正常使用、餐用具不洁、餐具保洁不规范和餐用具抽检不合格等风险因子。食品安全管理项目项下包括食品安全制度不建立、食品安全自查不到位、环境卫生不洁和餐厨垃圾处理情况等风险因子。以及其他单列风险因子如被行政处罚、发生食源性疾病和疑似发生食源性疾病。具体评估模式如下:

(1)餐饮食安主体责任落实指数类型:分当前指数和月度指数两种;当前指数为餐饮单位当月主体责任落实情况实时动态指数,月度指数为餐饮单位在一个自然月内主体责任落实情况指数。

(2)餐饮食安主体责任落实指数评估规则:设月度总分值100分,采取倒扣分值方式,其中:a、不规范行为视频行为10项指标,设分值40分,发现一次不规范行为则扣减相应分值,扣为完止;b、操作环境和设备运行为10项指标,设分值20分,出现一起非正常情况则扣减相应分值,扣完为止;c、食安电子台帐8项,设分值20分,缺项或不规范则按日扣减相应分值,扣完为止;d、日常管理4项指标,设分值20分,达不到相应要求则扣减相应分值,扣完为止。

具体地,例如操作行为类包括:吸烟(1分/次)、玩手机(1分/次)、不戴工帽(1分/次)、不穿工装(1分/次)、未二次更衣(1分/次)、垃圾箱未盖(1分/次)、未集中晨检(1分/次,每天晨检不少于1次)、未洗手消毒(1分/次)、有老鼠(1分/次)、环境卫生差(1分/次,每天上午8时抓拍),以上数据主要通过视频ai分析。

设施设备类包括:挡鼠板异常(1分/次,超过5分钟未闭合)、紫外线灯异常(1分/次)、专间温湿度异常(1分/次)、仓库温湿度异常(1分/次)、留样冰箱异常(1分/次)、冷毒柜温度异常(1分/次)、中心温度计使用(1分/次,检测数和留样食品数一致)。

食安台账类包括:索票索证台账缺项(1分/次)、消毒台账缺项(1分/次)、食品留样台账缺项(1分/次)、晨检台帐缺项(1分/次)、添加剂台账缺项(1分/次)和餐厨垃圾台账缺项(1分/次)。

日常管理类包括:定期自查(10分/次)、全员培训(10分/次)、健康证管理(10分/人)、添加剂公示(5分/月)。

根据以上扣分事项,指数分值越高代表餐饮单位食安主体责任落实状况越好,其中90分以上(含95)为绿色,表示良好;90-80分(含80)为黄色为表示一般;80分以下为红色,表示较差。

通过以上技术方案实施例的基于大数据分析的餐饮食安动态监管方法,运用大数据云计算技术,综合评价餐饮单位在一定期间内ai视频分析不规范行为、场所环境和设备运行物联感测、索票索证等电子台帐资料、人员培训和自查落实等日常管理等数据,并按照预定逻辑,分析得出餐饮单位食安主体责任落实指数,作为确定餐饮单位食品安全管理水平的重要参考。

具体应用实例中,餐饮单位类自检数据包括员工日常晨检、体温测量,晨检状态和打卡数据。

晨检过程可以进行如下设置:员工人脸正对晨检机识别区域进行人脸识别,人脸识别成功,显示人员信息。若识别不成功,页面不显示此员工的人员信息。也可以手动在员工列表中选择选择需要晨检的员工,点击手动选择按钮,在搜索框中输入关键搜索词,点击搜索,列表成功搜索出对应的员工,点击所选择的员工后,员工信息处正确回显员工信息。

体温检测可以进行如下设置:体温枪对准额头,按下体温枪按钮,使用体温枪进行检测体温。体温在36~37℃之间回显体温数据,处理意见显示“正常”。体温不在36~37℃之间回显体温数据,处理意见显示“离岗休息”。晨检时根据员工实际情况来选择晨检状态,选择了晨检状态后,对应的处理意见会亮起。

已经获取人员信息和体温数据,点击页面提交晨检按钮,此员工今日晨检成功,并提示晨检成功,晨检记录列表显示此员工的晨检记录。若点击重新晨检,页面数据重置成功,此员工此次晨检未成功,晨检记录列表不存在此员工的晨检数据。

具体应用实例中,食安台账记录具体包含:消毒台账、采购台账、留样台账、晨检台账、农残台账、添加剂台账、废弃物台账、综合台账和自查自评台账。物联感测设置预警,预警的类型具体包含洗手消毒、当属帮移位、餐具消毒设施未使用、紫外线灯未开启、冰箱温度异常和专间温度异常等。

实施例2

在实施例1的基础上,本发明实施例的基于大数据分析的餐饮食安动态监管方法,进一步包括:

风险排序,按照风险因子类型将餐饮企业分为高风险单位、一般风险单位和低风险单位。

在具体实施过程中,可将风险因子按风险类别进行分类,如否决负向信息类、重点负向信息类、一般负向信息类、正向信息类进行相应的扣分和加分,如满分100分,按照60、80分为分界线。否决负向信息为最高权重的严重否决项,一旦出现直接打为高风险(如直接扣掉50分,且正向信息失效);重点负向信息次高权重;正向信息为加分项,用于修复提升。

监管指令生成,对高风险单位进行50%随机选择检查对象和随机选择检查人员以及抽检;对一般风险单位进行40%随机选择检查对象和随机选择检查人员以及抽检;对低风险单位进行10%随机选择检查对象和随机选择检查人员以及抽检。

通过以上设置的风险排序以及监管指令,可以根据监管接入的综合数据对餐饮单位进行较为科学的分级监管,极大的增强了监测效率,降低监管成本。

实施例3

在得到餐饮企业安全评分的基础上,可以利用安全评分给予用户以及监管机构一定的指导。故本实施例在实施例1的基础上进一步提出一种基于食安指数变化的四色动态食安码管理方法,包括:

数据接入,用于接入包括政府监管部门类数据、企业类自检数据、社会评价类数据的餐饮行业数据,运用大数据云计算技术,综合评价餐饮单位在一定期间内包括ai视频分析不规范行为、场所环境和设备运行物联感测、电子台账资料、人员培训和自查落实日常管理的数据;

食安指数风险因子统计,用于对接入的数据按照餐饮安全风险因子统计,根据建立的风险模型进行风险分类、量化评级,得到餐饮企业安全评分;

四色动态食安码生成,用于根据得到的餐饮企业安全评分生成表示企业食品安全指示的有色二维码,灰码表示未纳入评估的餐饮企业;绿码表示低风险餐饮企业;黄码表示中风险餐饮企业;红码表示高风险餐饮企业。食安码中信息包括食安指数的数值、餐饮企业的食品安全风险状况。食安码面向公众展示,并且同步展示在外卖订餐平台。食安码作为政府部门监管检查的依据,高风险企业检查频次提升,优先列入重点检查专项检查的对象。

实施例4

在得到餐饮企业安全评分的基础上,可以利用安全评分给予用户以及监管机构一定的指导。故本实施例在实施例1的基础上进一步提出一种基于餐饮主体风险分级比例生成的区域五色动态食安码管理方法,包括:

数据接入,用于接入包括政府监管部门类数据、企业类自检数据、社会评价类数据的餐饮行业数据,运用大数据云计算技术,综合评价餐饮单位在一定期间内包括ai视频分析不规范行为、场所环境和设备运行物联感测、电子台帐资料、人员培训和自查落实日常管理的数据;

食安指数风险因子统计,用于对接入的数据按照餐饮安全风险因子统计,根据建立的风险模型进行风险分类、量化评级,得到餐饮企业安全评分;

风险排序,按照风险因子类型将餐饮企业分为高风险单位、一般风险单位和低风险单位;

区域五色动态食安码,通过区域内食安风险企业的数量和比例生成五色动态食安码来呈现区域内食安状态,红色表示高风险,橙色表示较高风险,黄色表示中风险,蓝色表示较低风险,绿色表示低风险。

本领域技术人员可以理解的是,在实施例2、实施例3、实施例4中未提及的技术细节但与实施例1相同的技术特征,与实施例1实施的过程相同。

餐饮行业是一项动态性较强的工作,餐饮食品安全管理也是一项过程性工作。通过本发明实施例实现的餐饮食安主体责任落实指数即可实时了解当前餐饮单位主要责任落实状况,又能显示过去一定时期内餐饮企业食品安全管理综合水平,对强化餐饮食品安全全过程管理有很强的促进作用。主要如下:

(1)警示餐饮单位。餐饮单位责任人员及其上级主管部门可以通过指数情况,随时掌握单位主体责任落实状况,精确查找问题及原因,及时采取有效措施,防微杜渐,将隐患消灭在萌芽状态。

(2)提升监管效能。监管部门以辖区内餐饮单位主体责任落实指数高低为参考,切实加大对“红色”指数和“黄色”指数餐饮单位的执法检查和监督抽检力度,确实提升打击精度,大大提高监管效能,破解监管力量不足难题。

(3)推动社会共治。让广大消费者在选择就餐时,能以便捷方式获取餐饮企业主体责任落实指数、企业诚信和监管检查结果等相关信息,全面深入地参与到食品安全管理的社会共管共治,共同推进国家食品安全示范城市创建工作。

应当理解,本文所述的示例性实施例是说明性的而非限制性的。尽管结合附图描述了本发明的一个或多个实施例,本领域普通技术人员应当理解,在不脱离通过所附权利要求所限定的本发明的精神和范围的情况下,可以做出各种形式和细节的改变。


技术特征:

1.一种基于大数据分析的餐饮食安动态监管方法,其特征在于,包括:

数据接入,用于接入包括政府监管部门类数据、餐饮单位类自检数据、社会评价类数据的餐饮行业数据,运用大数据云计算技术,综合评价餐饮单位在一定期间内包括ai视频分析不规范行为、场所环境和设备运行物联感测、电子台帐资料、人员培训和自查落实日常管理的数据;

食安指数风险因子统计,用于对接入的数据按照餐饮安全风险因子统计,根据建立的风险模型进行风险分类、量化评级,得到餐饮企业安全评分。

2.如权利要求1所述的基于大数据分析的餐饮食安动态监管方法,其特征在于,进一步包括:

风险排序,按照风险因子类型将餐饮企业分为高风险单位、一般风险单位和低风险单位;

监管指令生成,对高风险单位进行50%随机选择检查对象和随机选择检查人员以及抽检;对一般风险单位进行40%随机选择检查对象和随机选择检查人员以及抽检;对低风险单位进行10%随机选择检查对象和随机选择检查人员以及抽检。

3.如权利要求1或2所述的基于大数据分析的餐饮食安动态监管方法,其特征在于,餐饮单位类自检数据包括员工日常晨检、体温测量,晨检状态和打卡数据。

4.一种基于食安指数变化的四色动态食安码管理方法,其特征在于,包括:

数据接入,用于接入包括政府监管部门类数据、企业类自检数据、社会评价类数据的餐饮行业数据,运用大数据云计算技术,综合评价餐饮单位在一定期间内包括ai视频分析不规范行为、场所环境和设备运行物联感测、电子台账资料、人员培训和自查落实日常管理的数据;

食安指数风险因子统计,用于对接入的数据按照餐饮安全风险因子统计,根据建立的风险模型进行风险分类、量化评级,得到餐饮企业安全评分;

四色动态食安码生成,用于根据得到的餐饮企业安全评分生成表示企业食品安全指示的有色二维码,灰码表示未纳入评估的餐饮企业;绿码表示低风险餐饮企业;黄码表示中风险餐饮企业;红码表示高风险餐饮企业。

5.如权利要求4的基于食安指数变化的四色动态食安码管理方法,其特征在于,食安码中信息包括食安指数的数值、餐饮企业的食品安全风险状况。

6.如权利要求4所述的基于食安指数变化的四色动态食安码管理方法,其特征在于,餐饮单位类自检数据包括员工日常晨检、体温测量,晨检状态和打卡数据。

7.如权利要求4或5的基于食安指数变化的四色动态食安码管理方法,其特征在于,食安码面向公众展示,并且同步展示在外卖订餐平台。

8.一种基于餐饮主体风险分级比例生成的区域五色动态食安码管理方法,其特征在于,包括:

数据接入,用于接入包括政府监管部门类数据、企业类自检数据、社会评价类数据的餐饮行业数据,运用大数据云计算技术,综合评价餐饮单位在一定期间内包括ai视频分析不规范行为、场所环境和设备运行物联感测、电子台帐资料、人员培训和自查落实日常管理的数据;

食安指数风险因子统计,用于对接入的数据按照餐饮安全风险因子统计,根据建立的风险模型进行风险分类、量化评级,得到餐饮企业安全评分;

风险排序,按照风险因子类型将餐饮企业分为高风险单位、一般风险单位和低风险单位;

区域五色动态食安码,通过区域内食安风险企业的数量和比例生成五色动态食安码来呈现区域内食安状态,红色表示高风险,橙色表示较高风险,黄色表示中风险,蓝色表示较低风险,绿色表示低风险。

9.如权利要求8所述的基于餐饮主体风险分级比例生成的区域五色动态食安码管理方法,其特征在于,餐饮单位类自检数据包括员工日常晨检、体温测量,晨检状态和打卡数据。

技术总结
本发明公开了一种基于大数据分析的餐饮食安动态监管方法,包括:数据接入,用于接入包括政府监管部门类数据、餐饮单位类自检数据、社会评价类数据的餐饮行业数据,运用大数据云计算技术,综合评价餐饮单位在一定期间内包括AI视频分析不规范行为、场所环境和设备运行物联感测、电子台帐资料、人员培训和自查落实日常管理的数据;食安指数风险因子统计,用于对接入的数据按照餐饮安全风险因子统计,根据建立的风险模型进行风险分类、量化评级,得到餐饮企业安全评分。

技术研发人员:郑宏弟;聂立功
受保护的技术使用者:杭州祐全科技发展有限公司
技术研发日:2020.02.27
技术公布日:2020.06.26

分享基于大数据分析的餐饮食安动态监管方法与流程的相关内容如下: