食品安全风险评估的定量方法

食品安全风险评估的定量方法比较多，其主要思路基本包括两部分，即风险发生概率和风险带来的结果（又称为风险损失或危害），因此，是通过计算期望损失来表示食品安全风险：

4.4.1.1　定量风险评估方法

（1）基于风险概率和风险损失的评估方法

风险概率和风险损失的确定方法各有不同，有些方法比较宽泛，有些比较精准，无论采取哪一种方法，都要能够显示不同风险之间的差异。可以根据风险发生的可能性来划定不同的取值范围，对风险概率进行分类，如表4.1所示。

表4.1　风险概率的取值范围

除了用大于0小于1的数值来表示风险概率以外，也可以直接用风险等级来表示，如：

①等级Ⅰ：发生的可能性很低——在绝大多数情况下是不会发生的。

②等级Ⅱ：可能性较低——偶尔会发生1～2次。

③等级Ⅲ：一般可能性——有时候发生。

④等级Ⅳ：较高可能性——会频繁地发生。

⑤等级Ⅴ：非常高——会不断发生。

同样，对于风险发生所带来的危害，根据其严重程度可用几个等级来度量。结合食品安全风险概率及损失严重程度，可以将风险分为A、B、C、D共4个等级，A级风险最为严重，带来风险及损失最大，必须重点关注并立即采取有效措施进行处理；B级风险较为严重，应当持续关注并加以妥善处理；C级风险有一定严重性，要求一旦事故发生，必须可能快速确定责任方；D级风险风险程度较低，一般而言，不需要采取特别措施，做好监控工作即可。风险等级及其发生可能性的相互关系如图4.8所示。(www.xing528.com)

图4.8　安全风险等级二维矩阵图

（2）风险评估理论

理论上，风险评估方法有三类：第1类是以模糊数学为基础的方法；第2类方法以统计学为基础，先构建评价指标体系，接着对指标体系进行打分，最后计算评价主体的综合得分，按综合得分的高低将其划入不同的风险类别。这类方法有主成分分析法、因子分析法、综合模糊评断法等；第3类是以计算机技术为基础的决策支持系统方法，如机器学习、系统模拟与仿真法。

对于第1类的模糊数学为基础方法，它一般用于处理边界不清楚、难以定量的分类指标聚合问题，对众多因素的隶属度等级情况进行综合评价，即对评价对象，赋予一个非负实数，表示其重要程度，并进行排序。

基于神经网络的机器学习方法。神经网络是一种仿生计算方法，通过模仿人类大脑的结构及其学习过程，在进行风险评估的时候，通过构建相应的损失函数和激活函数，采用梯度下降算法，根据大量的学习样本进行训练，不断调整参数，最后对风险进行归类。特别是近年深度学习、人工智能的发展和大数据的积累，使得神经网络算法的准确性不断提升，有效避免了其他方法中专家评分的主观性。

层次分析AHP法。层次分析法是一种定性与定量相结合的评价与决策分析方法。AHP法通过建立多级评价指标，并对其进行排序、比较、筛选和权重设置，最后计算出一个权重以表示各评价对象的重要性排序。AHP法将复杂的问题层层分解成递阶式结构，让专家打分来对评价指标的重要性进行排序，构建判断矩阵。递阶结构便于清晰表达各指标之间的关系，对复杂的系统问题提供一种通用的解决方案。上述3种方法的比较，如表4.2所示：

表4.2　不同定量风险评价方法

4.4.1.2　食品供应链各环节安全风险等级评估

前文已经对供应链各个环节的安全风险作了分析，结合文献研究、专家调研（主要包含3类专家：食品安全监管专家、食品行业资深从业人员以及食品安全领域的学者），以及近年来我国食品安全抽检情况，归纳了食品供应链各环节的风险因素，对各种风险因素发生的可能性及其危害程度进行了等级划分，在此基础上按ABCD来确定各类因素的安全风险等级，为食品安全监控提供支持。如表4.3所示：

表4.3　食品供应链各环节安全风险等级

由上表的风险等级划分结果可以看出，食品种植养殖环节的“农兽药残留”、食品生产加工环节违规使用“添加剂、防腐剂”以及缺乏有效的“安全检测”都容易导致A类风险，应予以高度关注并采取必要措施；种植养殖环节的“环境污染”、生产加工环节“使用违规原料”和环境“脏乱差”、生产加工程序“不规范”、存储环境“不合格”、存储设备“不达标”、“食品掺假”、销售环境“不达标”均属于B类风险，应当进行持续关注并采取积极手段及时加以处理。由此可见，食品供应链结构复杂，风险因素较多，通过对不同环节风险因素进行识别并划分为不同等级的安全风险，并进行差别化管理，有助于有效防范并积极控制各类食品安全风险。