導(dǎo)航：安全管理網(wǎng)>> 安全論文>> 電力安全論文>>正文

物流單元質(zhì)量安全信息追溯預(yù)警模型研究

文檔作者：張可，柴毅，翁道磊，等文檔來(lái)源： 1.重慶大學(xué)自動(dòng)化學(xué)院 2.廈門紅相電力設(shè)備股份有限公司		點(diǎn) 擊數(shù)：	更新時(shí)間： 2022年11月16日
下載地址：點(diǎn)擊這里	文件大小： 718.28 KB 共5頁(yè)	文檔格式： PDF	下載點(diǎn)數(shù)： 1 點(diǎn)（VIP免費(fèi)）

全屏查看

內(nèi)容預(yù)覽 [文件共5頁(yè)]

本文件共5頁(yè)，如需編輯使用，請(qǐng)下載。

注：預(yù)覽效果可能會(huì)出現(xiàn)部分文字亂碼（如口口口）、內(nèi)容顯示不全等問題，下載是正常的。

	文件大小：718.28 KB 共5頁(yè) 文件格式：PDF 下載點(diǎn)數(shù)：1 點(diǎn)（VIP會(huì)員免費(fèi)）

下一篇：在線路交叉跨越情況下如何填票和布置安全…

上一篇：如何構(gòu)建和諧的安全生產(chǎn)環(huán)境

文本預(yù)覽

僅提取頁(yè)面文字內(nèi)容，供快速閱讀使用。

2010，46（24）
1 概述
“質(zhì)量信息追溯”是一種先進(jìn)的質(zhì)量監(jiān)控體系，該體系將
信息流和實(shí)物聯(lián)系起來(lái)，對(duì)物流單元的時(shí)空信息和個(gè)體狀況
進(jìn)行交互，實(shí)現(xiàn)物流單元在供應(yīng)鏈的跟蹤溯源[1-2]。
多數(shù)時(shí)候，“質(zhì)量問題”由供應(yīng)鏈成員在各自過程中發(fā)
現(xiàn)。由于各個(gè)成員在地理位置和執(zhí)行功能的不同，以及物流
交換產(chǎn)生的差異（上游的質(zhì)量問題在下游才顯現(xiàn)出來(lái)，或成為
隱患，與下游的質(zhì)量偏差形成質(zhì)量問題），質(zhì)量監(jiān)察不完善，導(dǎo)
致全局性的“質(zhì)量問題”[1]。此時(shí)，僅憑質(zhì)量信息追溯和供應(yīng)鏈
成員的自我檢查難以發(fā)現(xiàn)問題。而常見的預(yù)警系統(tǒng)又多忽略
了數(shù)據(jù)可追溯性[3-4] （如歐盟食品和飼料類快速預(yù)警系統(tǒng)），其
強(qiáng)調(diào)產(chǎn)品質(zhì)量安全指標(biāo)參數(shù)分析，未體現(xiàn)出追溯系統(tǒng)的數(shù)據(jù)
跟蹤溯源能力。
2000 年以來(lái)，國(guó)內(nèi)外已有專家學(xué)者開始關(guān)注該類問題[5-11]。
如Regattieri A、Gamberi M等在文獻(xiàn)[5]中提到了通用食品追
溯體系中的數(shù)據(jù)安全問題；Siena A等針對(duì)食品供應(yīng)鏈的范例
學(xué)習(xí)提出了一種新型的模型，也討論了質(zhì)量安全數(shù)據(jù)的規(guī)范
性[6]；史成東、邊敦新等針對(duì)供應(yīng)鏈和物流工程中的知識(shí)共享
提出了基于粗糙集和模糊集的風(fēng)險(xiǎn)預(yù)警模型[7-8]；吳建敏等針
對(duì)豬肉生產(chǎn)質(zhì)量進(jìn)行了預(yù)警監(jiān)控和可追溯研究[9]。此外，多個(gè)
在供應(yīng)鏈中的質(zhì)量安全和風(fēng)險(xiǎn)的起因和解決方法被提出[10-11]，
為本文的研究提供堅(jiān)實(shí)的基礎(chǔ)。
但同時(shí)，上述模型和系統(tǒng)對(duì)于供應(yīng)鏈中的生產(chǎn)過程數(shù)據(jù)
（這些數(shù)據(jù)正是追溯系統(tǒng)的核心內(nèi)容）以及物流單元的原始信
息尚未有完整統(tǒng)一的處理，使生產(chǎn)事故出現(xiàn)之前的預(yù)警不
足。針對(duì)上述問題和需求，以現(xiàn)有的其他預(yù)警模型[12-13]為參
考，研究了一個(gè)物流單元質(zhì)量信息追溯預(yù)警模型。模型針對(duì)
供應(yīng)鏈中四種常見的數(shù)據(jù)異常，對(duì)物流單元在整個(gè)供應(yīng)鏈追
溯體系中的檢測(cè)數(shù)據(jù)進(jìn)行匯總分析，預(yù)警可能導(dǎo)致物流單元
質(zhì)量問題的原因并進(jìn)行診斷。
物流單元質(zhì)量安全信息追溯預(yù)警模型研究
張可1，柴毅1，翁道磊1，2，匡金駿1
ZHANG Ke1，CHAI Yi1，WENG Dao-lei1，2，KUANG Jin-jun1
1.重慶大學(xué)自動(dòng)化學(xué)院，重慶400030
2.廈門紅相電力設(shè)備股份有限公司研發(fā)中心，福建廈門361001
1.College of Automation，Chongqing University，Chongqing 400030，China
2.Xiamen Hong Xiang Instruments Co.，Ltd.，Xiamen，F(xiàn)ujian 361001，China
E-mail：zithker@hotmail.com
ZHANG Ke，CHAI Yi，WENG Dao-lei，et al.Research of pre-warning model in logistic unit quality safety for information
tracing and tracking.Computer Engineering and Applications，2010，46（24）：201-205.
Abstract：Product quality safety problem of logistic units in production supply chains is studied.Quality control requirements
of traceability systems are analyzed.A pre-warning model that can be applied to supply chain traceability systems is proposed.
In the model，all of detection data existing in the whole supply chain are analyzed.Reasons that may cause logistic unit quality
safety problem are diagnosed and pre-warned.This model focused on four abnormal data types in supply chain，mathematical
algorithms for the abnormalities are developed by combining Radial Basis Function（RBF） neural network and statistical
analysis methods.The simulation results show that the proposed pre-warning model can identify abnormal data types effectively.
Meanwhile，the detection data can be monitored and pre-warned in time as well.
Key words：supply chain；quality safety；traceability system；pre-warning analysis；logistic unit
摘要：針對(duì)物流單元在生產(chǎn)供應(yīng)鏈中出現(xiàn)的產(chǎn)品質(zhì)量安全問題，分析可追溯體系中的質(zhì)量監(jiān)控需求，提出了一種用于供應(yīng)鏈可
追溯系統(tǒng)的預(yù)警模型，對(duì)整個(gè)供應(yīng)鏈的檢測(cè)數(shù)據(jù)進(jìn)行匯總分析，預(yù)警可能導(dǎo)致物流單元質(zhì)量問題的原因并進(jìn)行診斷。針對(duì)供應(yīng)
鏈中四種常見的數(shù)據(jù)異常，提出了基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)、統(tǒng)計(jì)學(xué)分析的分析算法。實(shí)例分析和結(jié)果表明，該預(yù)警模型能夠有
效地區(qū)分異常數(shù)據(jù)的類型，實(shí)時(shí)地對(duì)追溯系統(tǒng)的檢測(cè)數(shù)據(jù)進(jìn)行監(jiān)控及預(yù)警。
關(guān)鍵詞：供應(yīng)鏈；質(zhì)量安全；追溯系統(tǒng)；預(yù)警分析；物流單元
DOI：10.3778/j.issn.1002-8331.2010.24.060 文章編號(hào)：1002-8331（2010）24-0201-05 文獻(xiàn)標(biāo)識(shí)碼：Ａ 中圖分類號(hào)：TP182
基金項(xiàng)目：重慶市重大科技攻關(guān)項(xiàng)目（the Key Scientific and Technological Projects of Chongqing under Grant No.CSTC2006AB1032）。
作者簡(jiǎn)介：張可（1979-），男，博士，講師，主要研究方向?yàn)橹悄芸刂?、故障診斷、現(xiàn)代農(nóng)業(yè)、計(jì)算機(jī)工程等；柴毅（1962-），男，博士，教授，博導(dǎo)，主要
研究方向?yàn)橛?jì)算機(jī)網(wǎng)絡(luò)與系統(tǒng)控制、智能信息處理與模式識(shí)別、專家系統(tǒng)及其應(yīng)用。
收稿日期：2010-05-18 修回日期：2010-07-02
Computer Engineering and Applications 計(jì)算機(jī)工程與應(yīng)用201
Computer Engineering and 2010，46（24） Applications計(jì)算機(jī)工程與應(yīng)用
2 質(zhì)量信息追溯預(yù)警模型設(shè)計(jì)
物流單元質(zhì)量信息追溯預(yù)警的核心思想是通過對(duì)影響物
流單元安全關(guān)鍵因素（以及存在的大量隱患）的監(jiān)測(cè)、追蹤、量
化分析、信息通報(bào)預(yù)報(bào)等，以追溯數(shù)據(jù)為基礎(chǔ)，在供應(yīng)鏈過程
中發(fā)布預(yù)警報(bào)告。
本文將以物流單元質(zhì)量安全作為研究對(duì)象，提出一個(gè)監(jiān)
控全程各環(huán)節(jié)的可能出現(xiàn)問題的預(yù)警模型。模型對(duì)供應(yīng)鏈中
反映安全品質(zhì)的檢測(cè)數(shù)據(jù)實(shí)時(shí)監(jiān)測(cè)，利用專家知識(shí)庫(kù)和歷史
數(shù)據(jù)庫(kù)自動(dòng)生成和發(fā)布預(yù)警信息報(bào)告，對(duì)全局的質(zhì)量檢測(cè)數(shù)
據(jù)進(jìn)行綜合診斷、判別，一旦發(fā)現(xiàn)可能存在的問題，立刻通報(bào)
涉及的環(huán)節(jié)，提供相應(yīng)的改進(jìn)決策。
模型將對(duì)各種數(shù)據(jù)異常進(jìn)行量化分析，主要步驟和功能為：
（1）發(fā)現(xiàn)質(zhì)量問題（信息不完整、生產(chǎn)信息不合格）；
（2）即時(shí)啟動(dòng)預(yù)警機(jī)制；
（3）傳遞發(fā)現(xiàn)的問題的有關(guān)信息；
（4）確定有關(guān)供應(yīng)商的原因和/或信息；
（5）確定有關(guān)的批號(hào)，確定產(chǎn)品位于的供應(yīng)鏈；
（6）確定其他有同樣質(zhì)量問題的批號(hào)，采取糾正行動(dòng)。
2.1 預(yù)警模型總體設(shè)計(jì)分析
預(yù)警模型需要對(duì)全過程中產(chǎn)生的各種數(shù)據(jù)進(jìn)行挖掘分
析，針對(duì)“質(zhì)量問題”和起因建立專家知識(shí)庫(kù)，把相關(guān)的數(shù)據(jù)列
為監(jiān)控對(duì)象（這些數(shù)據(jù)產(chǎn)生點(diǎn)分布在供應(yīng)鏈的各個(gè)環(huán)節(jié)之
中），由專門的預(yù)警分析系統(tǒng)對(duì)這些數(shù)據(jù)（包括當(dāng)前執(zhí)行的工
藝參數(shù)）進(jìn)行診斷分析，一旦發(fā)現(xiàn)可能出現(xiàn)的問題或是隱患，
直接反饋給全供應(yīng)鏈的成員。
如圖1 所示，物流單元質(zhì)量預(yù)警模型的功能模塊包括信
息源系統(tǒng)、預(yù)警分析系統(tǒng)、快速反饋和反應(yīng)系統(tǒng)等，以及專家
知識(shí)庫(kù)、歷史數(shù)據(jù)庫(kù)、追溯系統(tǒng)數(shù)據(jù)庫(kù)等數(shù)據(jù)源。
2.2 信息源系統(tǒng)
信息源系統(tǒng)是以追溯系統(tǒng)的信息數(shù)據(jù)庫(kù)為中心，是預(yù)警
分析系統(tǒng)的數(shù)據(jù)基礎(chǔ)。追溯系統(tǒng)保障物流單元數(shù)據(jù)采集和供
給，及時(shí)補(bǔ)充和更新數(shù)據(jù)。信息源系統(tǒng)的核心內(nèi)容是提取反
映物流單元質(zhì)量安全及品質(zhì)的關(guān)鍵點(diǎn)檢測(cè)數(shù)據(jù)，同時(shí)建立評(píng)
價(jià)指標(biāo)體系。
2.3 預(yù)警分析系統(tǒng)
預(yù)警的關(guān)鍵是根據(jù)評(píng)價(jià)指標(biāo)體系定義和分析數(shù)據(jù)，整理
出反映物流單元質(zhì)量安全的異常數(shù)據(jù)。本模型主要處理四種
類型的數(shù)據(jù)異常，包括不規(guī)范異常、超限異常、分布異常和趨
勢(shì)異常。所有異常的發(fā)現(xiàn)、分析、診斷、決策等操作都在預(yù)警
分析系統(tǒng)里進(jìn)行，因此該模型是最重要和核心的部分。
如圖2 所示，預(yù)警分析系統(tǒng)將決定是否發(fā)布預(yù)警信息，并
將該結(jié)果送入快速反饋系統(tǒng)和反應(yīng)系統(tǒng)。
2.4 快速反饋系統(tǒng)與反應(yīng)系統(tǒng)
數(shù)據(jù)異常情況的預(yù)警分析結(jié)果將分別輸入到快速反饋系
統(tǒng)與反應(yīng)系統(tǒng)中，產(chǎn)生警情信息，及時(shí)發(fā)布到對(duì)應(yīng)的供應(yīng)鏈結(jié)
點(diǎn)之上。
快速反饋系統(tǒng)是反應(yīng)系統(tǒng)的特殊形式，它與追溯系統(tǒng)的
跟蹤和溯源能力結(jié)合起來(lái)，主要功能是實(shí)現(xiàn)緊急應(yīng)對(duì)處理；反
應(yīng)系統(tǒng)的主要功能是按預(yù)警分析結(jié)果和快速反饋系統(tǒng)的結(jié)果
進(jìn)行預(yù)警應(yīng)對(duì)。根據(jù)警情信息的不同，通過專家知識(shí)庫(kù)給出
各種數(shù)據(jù)異常信息對(duì)應(yīng)物流單元質(zhì)量安全問題的警示和調(diào)控
手段，按照相關(guān)監(jiān)管職能部門的要求和流程生成和發(fā)布預(yù)警
信息報(bào)告。
2.5 專家知識(shí)庫(kù)和歷史數(shù)據(jù)庫(kù)
專家知識(shí)庫(kù)是預(yù)警模型的知識(shí)來(lái)源，知識(shí)工程師將各種
知識(shí)存儲(chǔ)到專家知識(shí)庫(kù)中，采用產(chǎn)生式規(guī)則表達(dá)的形式，通過
知識(shí)映射表按“結(jié)果—方法”的映射關(guān)系存入庫(kù)中。
歷史數(shù)據(jù)庫(kù)存放已有的超限異常信息，以作為分布異常
和趨勢(shì)異常分析的數(shù)據(jù)來(lái)源。
同時(shí)對(duì)于在預(yù)警過程中產(chǎn)生的新知識(shí)也將作為數(shù)據(jù)庫(kù)的
來(lái)源，不斷更新，應(yīng)對(duì)新情況的產(chǎn)生。
3 質(zhì)量信息追溯預(yù)警算法設(shè)計(jì)
在上一章當(dāng)中已經(jīng)討論了本預(yù)警模型主要的研究對(duì)象——
四種數(shù)據(jù)異常，這四類異常能夠充分反映出當(dāng)前所獲取到的
物流單元質(zhì)量情況，但其產(chǎn)生的原因卻不盡相同，因此根據(jù)其
特性有不同的處理算法。
3.1 不規(guī)范異常
不規(guī)范異常是指物流單元的質(zhì)量安全數(shù)據(jù)未按照標(biāo)準(zhǔn)方
法或?qū)?biāo)準(zhǔn)方法存在偏差下取得的檢測(cè)結(jié)果（如數(shù)據(jù)的超出
值域規(guī)定）。此時(shí)數(shù)據(jù)不能反映實(shí)際質(zhì)量狀況，因而是不可信
的和無(wú)效的。該異常具有較低的警情等級(jí)。
處理此種異常的方法是對(duì)照標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)，采用傳統(tǒng)的
IF-THEN方法進(jìn)行判別，如果某個(gè)數(shù)據(jù)不同于標(biāo)準(zhǔn)方法數(shù)據(jù)
庫(kù)中對(duì)應(yīng)的內(nèi)容，即說(shuō)明該數(shù)據(jù)屬于不規(guī)范異常數(shù)據(jù)。
超限異常分析
常規(guī)異常分析
預(yù)警分析系統(tǒng)
快速反饋系統(tǒng)
查找物流單元信息
設(shè)計(jì)警告信息
通報(bào)供應(yīng)鏈成員
傳遞物流單元信息
快速反饋操作信息
生成預(yù)警信息
知識(shí)映射表
反應(yīng)系統(tǒng)
專家知識(shí)庫(kù)
信息入庫(kù)
信息源系統(tǒng)建立評(píng)價(jià)
指標(biāo)體系
追溯系統(tǒng)
檢測(cè)數(shù)據(jù)
提取關(guān)鍵點(diǎn)
數(shù)據(jù)庫(kù)1
數(shù)據(jù)庫(kù)n
…
圖1 物流單元質(zhì)量預(yù)警體系結(jié)構(gòu)圖
不予警告處理
分析數(shù)據(jù)是否超限異
常，得出診斷結(jié)果
標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)
分析數(shù)據(jù)是否不
規(guī)范異常
物流單元
追溯數(shù)據(jù)
不規(guī)范異常處理
超限異常處理
趨勢(shì)異常分析
分布異常分析
歷史數(shù)據(jù)庫(kù)
檢測(cè)數(shù)據(jù)
發(fā)布
預(yù)警
信息
結(jié)果異常
結(jié)果正常
趨勢(shì)異常處理 分布異常處理
是
否
圖2 預(yù)警分析系統(tǒng)的結(jié)構(gòu)及流程圖
202
弘．——L!!!一——!!!一 l¨k。J
。二查!。二垂i!
!
F：峰蟛劃”：峰輩型
2010，46（24）
3.2 超限異常
超限異常是指對(duì)于某個(gè)具體指標(biāo)數(shù)據(jù)或?qū)τ诙鄠€(gè)具體指
標(biāo)數(shù)據(jù)的集合，具有影響物流單元質(zhì)量安全狀況的評(píng)價(jià)結(jié)
果。該異常是最易導(dǎo)致“質(zhì)量問題”的因素，單個(gè)指標(biāo)超限可
能是整個(gè)指標(biāo)評(píng)測(cè)體系中可被接受的，但若與其他不同環(huán)節(jié)
上出現(xiàn)超限異常數(shù)據(jù)進(jìn)行組合，則可能導(dǎo)致未預(yù)料到質(zhì)量偏
差甚至造成嚴(yán)重后果。
超限異常的算法分析涉及到多種類型的數(shù)據(jù)，要求能夠
對(duì)輸入的數(shù)據(jù)向量進(jìn)行分類。徑向基函數(shù)（RBF）神經(jīng)網(wǎng)絡(luò)[14]
能充分利用狀態(tài)信息，對(duì)不同狀態(tài)的信息逐一訓(xùn)練獲得映射
關(guān)系，同時(shí)通過學(xué)習(xí)形成所要求的決策區(qū)域，以期能判別當(dāng)前
所獲取的數(shù)據(jù)組合是否超限異常[13，15]?；赗BF 神經(jīng)網(wǎng)絡(luò)的
診斷系統(tǒng)結(jié)構(gòu)如圖3 所示。
3.2.1 數(shù)據(jù)預(yù)處理
預(yù)警評(píng)價(jià)指標(biāo)體系中的指標(biāo)數(shù)據(jù)具有不同的單位和量
級(jí)，為保證模型的外推能力和神經(jīng)元的靈敏度，所以應(yīng)對(duì)數(shù)據(jù)
進(jìn)行歸一化處理：設(shè)x'為轉(zhuǎn)換前的數(shù)據(jù)，x 為轉(zhuǎn)換后的數(shù)據(jù)，設(shè)
ξ和σ為樣本的最大值和最小值，有：
x = x′ - σ
ξ - σ
（1）
使得數(shù)據(jù)預(yù)處理后的值在0-1 之間分布。但實(shí)際生產(chǎn)中的檢
測(cè)指標(biāo)并非完全可量化數(shù)據(jù)，可針對(duì)這些指標(biāo)參數(shù)確定具體
的取值范圍，定義模糊診斷規(guī)則，組織學(xué)習(xí)樣本。
3.2.2 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)和參數(shù)選擇
超限異常分析采用的RBF 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖3 右部所
示，其徑向基層對(duì)輸入模式起距離變換作用，它將空間R（多
個(gè)不同類型數(shù)據(jù)構(gòu)成的預(yù)警特征向量）中不可分的模式變換
到高維空間Φ，Φ=[φ（1 x），φ（2 x），…，φ（j x）]T，使之在該Φ中線性
可分。其傳輸函數(shù)如下：
φ(x) = exp
é
ë
êê
ù
û
úú
-  x - c  i
2
2σ 2
i
（2）
式（2）中ci 表示第i 個(gè)徑向基結(jié)點(diǎn)高斯函數(shù)的中心向量（即超
限異常的類中心）；圖3中的||dist|（| 歐氏范數(shù)）即||x - ci||，σi 為
網(wǎng)絡(luò)中反映輸出對(duì)輸入的響應(yīng)寬度，b1和b2分別為徑向基層
和輸出層中調(diào)整神經(jīng)元靈敏度的閾值。
徑向基層和輸出層的兩個(gè)可調(diào)參數(shù)中心ci 和網(wǎng)絡(luò)權(quán)值
wji 是反映超限異常分析準(zhǔn)確性的要素。網(wǎng)絡(luò)學(xué)習(xí)在確定徑
向基層參數(shù)后，根據(jù)給定的超限異常訓(xùn)練樣本決定徑向基層
各結(jié)點(diǎn)的高斯函數(shù)的中心ci；同時(shí)利用最小二乘原則，得到輸
出層的網(wǎng)絡(luò)連接權(quán)值wji。
通常采用k-均值聚類算法調(diào)整中心向量，將超限異常訓(xùn)
練樣本集中的輸入向量分為S1 個(gè)簇，給出S1 個(gè)中心向量，使
得簇內(nèi)各樣本向量距簇中心向量的距離最小。同時(shí)在輸出層
中，S1 個(gè)簇再被映射為S2 個(gè)簇。
當(dāng)ci 確定以后，訓(xùn)練由徑向基層至輸出層之間的權(quán)值，由
于權(quán)值的求解可認(rèn)為是線性優(yōu)化問題，因此有惟一確定的解，
肯定能獲得全局最小點(diǎn)。
權(quán)值wji(i = 12S1；j = 12S2)的學(xué)習(xí)算法關(guān)系式為：
wji (k + 1) = wji (k ) +
η(t ) k - yk φi (x)
ΦTΦ
（3）
式（3）中j 的值等于S1。設(shè)η為學(xué)習(xí)速率，tk 和yk 分別表示第k
個(gè)輸出分量的期望值和實(shí)際值，可證當(dāng)0<η><1> f, if i > niCi
ni
= 0
ni = int( Fn )
（5）
其中，f 為樣本數(shù)，ni 為徑向基層神經(jīng)元數(shù)量，n 為輸入單元數(shù)，
F為輸入層神經(jīng)元數(shù)量。
如圖4 所示，對(duì)超限異常實(shí)現(xiàn)分類診斷，將理想訓(xùn)練樣本
數(shù)據(jù)預(yù)處理
功能平臺(tái)
||dist||
輸入層 徑向基層
訓(xùn)練樣本
功能平臺(tái)
數(shù)據(jù)處理
檢測(cè)數(shù)據(jù)
輸出結(jié)果
映射層
S1 ´ R ci
輸出層
樣本特征選擇和提取
S2
S2 ´ 1
S2 S ´ 1 1
S1 ´ 1
S1 ´ 1
b1
R
R ´ 1
x
j1
S2 ´ S1
S1 ´ 1
φ(x)
y
S2 ´ 1
b2
j2
訓(xùn)練1
·*
wji
1
圖3 基于RBF網(wǎng)絡(luò)的超限異常診斷流程圖
圖4 RBF網(wǎng)絡(luò)分類實(shí)現(xiàn)的超限異常診斷
20 40 60 80
1.0
0.5
0
指標(biāo)歸一化值
指標(biāo)序號(hào)
1.0
0.5
0
20 40 60 80
指標(biāo)歸一化值
指標(biāo)序號(hào)
1.0
0.5
0
20 40 60 80
指標(biāo)歸一化值
指標(biāo)序號(hào)
1.0
0.5
0
20 40 60 80
指標(biāo)歸一化值
指標(biāo)序號(hào)
（a）理想訓(xùn)練樣本（b）實(shí)際訓(xùn)練樣本1
（c）測(cè)試數(shù)據(jù)（d）實(shí)際訓(xùn)練樣本2
張可，柴毅，翁道磊，等：物流單元質(zhì)量安全信息追溯預(yù)警模型研究203
Computer Engineering and 2010，46（24） Applications計(jì)算機(jī)工程與應(yīng)用
輸入RBF 網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練，定義輸出的值，再將實(shí)際的測(cè)試數(shù)據(jù)
輸入進(jìn)行判別并歸類，實(shí)現(xiàn)診斷。但通常在如此小的樣本環(huán)
境下，其容錯(cuò)能力較差。此時(shí)可按照專家知識(shí)將實(shí)際的已歸
好類（是否需要預(yù)警）的多個(gè)歷史數(shù)據(jù)（是否需要預(yù)警）作為訓(xùn)
練樣本，提升網(wǎng)絡(luò)的泛化能力。
3.3 分布異常
歷史數(shù)據(jù)庫(kù)記錄了每次數(shù)據(jù)超限異常，通過對(duì)超限異常
的地域分布統(tǒng)計(jì)分析，可發(fā)現(xiàn)不同地域已存在或潛在的問
題。該異常與超限異常具有聯(lián)系：對(duì)于某些可被接受的超限
數(shù)據(jù)，若規(guī)模性出現(xiàn)在某一范圍內(nèi)，則可能存在隱患。
如將某地區(qū)A劃分成n 個(gè)區(qū)域，A =[a1a2an]，設(shè)區(qū)域
內(nèi)出現(xiàn)超限異常情況總量為T =[t1t2tn]。從歷史數(shù)據(jù)庫(kù)提
取該地區(qū)檢測(cè)過物流單元總數(shù)O，O =[o1o2on]，通過式
（6）求出xi (xi 為i 區(qū)域異常情況數(shù)量的均值)。
xi =
ti
oi
´ C （6）
設(shè)X =[x1x2xn]；C 為常數(shù)，用于將xi 標(biāo)準(zhǔn)化至[1，10]
之間。根據(jù)實(shí)際情況設(shè)置閾值D，D =[d1d2dn]，當(dāng)xi > di
時(shí)，說(shuō)明區(qū)域ai 的異常數(shù)量均值已超限，需發(fā)出警報(bào)。
設(shè)異常情況總量均值為ρ：
ρ =
åi
= 1
n
ti
åi
= 1
n
oi
´ C （7）
定義gi = xi - ρ，表示i 區(qū)域與整個(gè)地區(qū)的均值偏差，檢測(cè)
人員根據(jù)實(shí)際情況設(shè)置閾值H，如果gi > H，說(shuō)明該區(qū)域出現(xiàn)
異常情況數(shù)目顯著，應(yīng)發(fā)出警報(bào)。
3.4 趨勢(shì)異常
歷史數(shù)據(jù)的集合包含了被檢測(cè)數(shù)據(jù)的變化規(guī)律。借助統(tǒng)
計(jì)方法獲取趨勢(shì)信息，推測(cè)檢測(cè)數(shù)據(jù)的變化規(guī)律，對(duì)于可能出
現(xiàn)的趨勢(shì)異常預(yù)先發(fā)出警報(bào)。
歷史異常趨勢(shì)系數(shù)ruv 是過去q 個(gè)時(shí)間片內(nèi)出現(xiàn)異常情況
數(shù)量序列與自然數(shù)列1，2，3，…，q 的相關(guān)系數(shù)（即單位時(shí)間內(nèi)
異常數(shù)據(jù)和標(biāo)準(zhǔn)數(shù)據(jù)相比的協(xié)方差），用于了解檢測(cè)數(shù)據(jù)的異
常情況數(shù)量在長(zhǎng)期變化中升降的定量程度，有：
ruv =
å
v = 1
q [(u ) ] v - u* (v - v*)
å
v = 1
q éëê
ùûú
(u ) v - u* 2 å
v = 1
q éëê
ùûú
(v - v*)2
v* = q + 1
2
（8）
其中, u* 為q 個(gè)時(shí)間片內(nèi)出現(xiàn)異常情況數(shù)量的總量；uv 為第v
個(gè)時(shí)間片內(nèi)出現(xiàn)異常情況的數(shù)量；ruv 的正（負(fù)）值表示異常數(shù)
量在q 時(shí)間片內(nèi)有線性增（減）的趨勢(shì)。
根據(jù)“學(xué)生t-分布”定義，符合自由度q-2 的z 值作為檢驗(yàn)
趨勢(shì)的顯著水平,有：
z =
ruv q - 2
1 - r 2
uv
（9）
z 值與“學(xué)生t-分布”中的顯著性指標(biāo)p 的關(guān)系通過t 函數(shù)來(lái)表
現(xiàn)（t 函數(shù)值有專門的表可查詢），如表1 所示。
可以由檢測(cè)人員設(shè)置趨勢(shì)系數(shù)ruv 的閾值κr 和顯著水平
p 值的閾值κp，當(dāng)ruv > κr 或p > κp 時(shí)發(fā)出警報(bào)。
4 實(shí)例分析和結(jié)果
以某豬肉生產(chǎn)加工信息追溯系統(tǒng)（已實(shí)施）的預(yù)警系統(tǒng)為
例，詳細(xì)分析該質(zhì)量安全追溯預(yù)警模型的應(yīng)用。該預(yù)警系統(tǒng)
中信息源系統(tǒng)從各個(gè)供應(yīng)鏈成員的生產(chǎn)管理系統(tǒng)的中心數(shù)據(jù)
庫(kù)中獲取相應(yīng)的追溯數(shù)據(jù)。結(jié)合生豬養(yǎng)殖、豬肉屠宰分割、深
加工、運(yùn)輸、銷售等環(huán)節(jié)的實(shí)際情況，按照對(duì)豬肉生產(chǎn)加工的
各項(xiàng)檢測(cè)指標(biāo)與參數(shù)的規(guī)定和領(lǐng)域?qū)＜业臏y(cè)評(píng)和論證，提取
了若干個(gè)反應(yīng)豬肉安全的預(yù)警指標(biāo)，構(gòu)建出豬肉安全預(yù)警系
統(tǒng)評(píng)價(jià)指標(biāo)體系，部分指標(biāo)如表2 所示。
領(lǐng)域?qū)＜野凑肇i肉質(zhì)量安全預(yù)警評(píng)價(jià)指標(biāo)體系對(duì)豬肉進(jìn)
行抽檢，提供了50 組具有數(shù)據(jù)超限異常的數(shù)據(jù)集，用于測(cè)
試。限于篇幅，僅給出部分的測(cè)試結(jié)果（以故障分析歷史數(shù)據(jù)
為例），其數(shù)據(jù)和在RBF 網(wǎng)絡(luò)中所得的測(cè)試結(jié)果如表3 所示。
一級(jí)指標(biāo)
飲用水水質(zhì)
豬肉質(zhì)量
深加工水質(zhì)量指標(biāo)
分割刀具指標(biāo)
養(yǎng)殖場(chǎng)環(huán)境（豬舍）
二級(jí)指標(biāo)
感官性狀及
一般化學(xué)指標(biāo)
農(nóng)藥限量指標(biāo)
毒理學(xué)指標(biāo)
理化指標(biāo)
微生物
及疫病指標(biāo)
三級(jí)指標(biāo)
總硬度（以CaCO3計(jì)）/（mg·L-1）
溶解性總固體/（mg·L-1）
馬拉硫磷/（mg·L-1）
總砷/（mg·L-1）
硝酸鹽（以N計(jì)）/（mg·L-1）
總汞/（mg·L-1）
解凍失水率/（%）
雙氯青霉素（肝）/（mg·kg-1）
萊克多巴胺（尿）/（mg·kg-1）
菌落總數(shù)/（cfu·g-1）
金黃色葡萄球菌/（g-1）
鉛/（mg·L-1）
氟化物/（mg·L-1）
使用天數(shù)
二氧化碳/（mg·m-3）
惡臭/稀釋倍數(shù)
指標(biāo)序號(hào)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
理想
≤1 300°
≤3 000
≤0.10
≤0.05
≤20
≤0.005
≤10
≤0.1
≤0.001
≤2×106
≤2×104
≤0.07
≤1.2
30
≤500
≤40
較好
1 301°~1 450°
3 001~3 500
0.10~0.20
0.05~0.15
20~25
0.005~0.010
12~14
0.1~0.2
0.001~0.005
2×106~3×106
2×104~3×104
0.07~0.09
1.2~1.4
45
501~1 000
40~55
一般
1 451°~1 600°
3 501~4 500
0.20~0.25
0.15~0.20
25~35
0.010~0.015
14~16
0.2~0.3
0.005~0.010
3×106~4×106
3×104~4×104
0.09~0.11
1.4~1.6
60
1 001~1 500
55~70
差
＞1 600°
＞4 500
>0.25
＞0.20
＞35
＞0.015
＞16
＞0.3
＞0.010
＞4×106
＞4×104
＞0.11
＞1.6
75
＞1 500
＞70
指標(biāo)標(biāo)準(zhǔn)數(shù)值或描述值
表2 豬肉質(zhì)量安全預(yù)警評(píng)價(jià)指標(biāo)表（部分）
z
z≥tp（q-2）
z≥tp（q-2）
z0.05
差異顯著程度
差異非常顯著
差異顯著
差異不顯著
表1 z 值與顯著性指標(biāo)關(guān)系表
204
2010，46（24）
3 組結(jié)果中，都存在超限的指標(biāo)，但僅對(duì)第2 組數(shù)據(jù)進(jìn)行預(yù)警，
與歷史結(jié)果相符。結(jié)合其余47 組數(shù)據(jù)，RBF 網(wǎng)絡(luò)均能夠精確
地測(cè)試出故障類別。
數(shù)據(jù)超限異常處理后自動(dòng)觸發(fā)的數(shù)據(jù)分布異常和趨勢(shì)異
常分析的結(jié)果如表4 所示。
預(yù)警分析系統(tǒng)發(fā)送出分析結(jié)果，快速反饋系統(tǒng)對(duì)超限異
常對(duì)應(yīng)檢測(cè)數(shù)據(jù)的同一批次的食品進(jìn)行警告標(biāo)識(shí)，通過反應(yīng)
系統(tǒng)回饋到豬肉生產(chǎn)加工追溯系統(tǒng)中；并查找該批次產(chǎn)品的
所在地，通報(bào)相關(guān)信息和異常數(shù)據(jù)分析結(jié)果。
目前，該模型已整合于“豬肉生產(chǎn)加工信息追溯系統(tǒng)”當(dāng)
中，經(jīng)前期運(yùn)行來(lái)看該預(yù)警體系以及其中對(duì)異常數(shù)據(jù)的預(yù)警
診斷方法是相當(dāng)有效的。
5 結(jié)束語(yǔ)
物流單元質(zhì)量要求日趨增高，生產(chǎn)加工跨行業(yè)性和跨地
域性的特點(diǎn)越來(lái)越明顯，因此僅通過一般的可追溯系統(tǒng)對(duì)物
流單元質(zhì)量安全進(jìn)行監(jiān)管的難度也隨之增大。對(duì)供應(yīng)鏈中的
質(zhì)量隱患因素進(jìn)行預(yù)警分析是當(dāng)前在物流工程、計(jì)算機(jī)工程、
企業(yè)管理、檢疫檢驗(yàn)等多個(gè)領(lǐng)域中的重要研究方向。
本文所提出的質(zhì)量信息追溯預(yù)警模型，能夠?qū)ιa(chǎn)、流通
過程中各關(guān)鍵環(huán)節(jié)的信息加以有效監(jiān)控和管理，迅速有效地
識(shí)別出發(fā)生問題的原料或產(chǎn)品加工階段，明確企業(yè)或相關(guān)部
門的責(zé)任，控制有質(zhì)量問題的產(chǎn)品的影響范圍，并敦促相關(guān)成
員及時(shí)整改，從而減少產(chǎn)品召回的成本，增進(jìn)產(chǎn)品質(zhì)量安全。
參考文獻(xiàn)：
[1] Pouliot S，Sumner D A.Traceability，liability，and incentives for
food safety and quality[J].American Journal of Agricultural Economics，
2008，90（1）：15-27.
[2] 趙春江，楊信廷，宋懌，等.水產(chǎn)養(yǎng)殖產(chǎn)品質(zhì)量安全全程管理與追溯
方法及系統(tǒng)：中國(guó)，200610113644[P].2008-04-16.
[3] 楊君，黃麗，袁利鵬.關(guān)于完善我國(guó)食品安全風(fēng)險(xiǎn)預(yù)警系統(tǒng)的思
考[J].食品科技，2009，34（12）：327-330.
[4] 于承先，徐麗英，邢斌，等.集約化水產(chǎn)養(yǎng)殖水質(zhì)預(yù)警系統(tǒng)的設(shè)計(jì)與
實(shí)現(xiàn)[J].計(jì)算機(jī)工程，2009，35（17）：268-270.
[5] Regattieri A，Gamberi M，Manzini R.Traceability of food products：
General framework and experimental evidence[J].Journal of
Food Engineering，2007，81（2）：347-356.
[6] Siena A，Maiden N，Lockerbie J.et al.Exploring the effectiveness
of normative i* modelling：Results from a case study on food
chain traceability[J].Advanced Information Systems Engineering，
2008（1）：182-196.
[7] 史成東，邊敦新.基于粗集和模糊集物流聯(lián)盟知識(shí)共享風(fēng)險(xiǎn)預(yù)警[J].
計(jì)算機(jī)工程與應(yīng)用，2008，44（33）：198-200.
[8] 史成東，邊敦新，蘇菊寧.基于粗糙集和灰色的供應(yīng)鏈知識(shí)共享風(fēng)
險(xiǎn)預(yù)警[J].計(jì)算機(jī)工程與應(yīng)用，2008，44（10）：19-22.
[9] 吳建敏，吳承平，曹雪林，等.豬肉生產(chǎn)全程質(zhì)量預(yù)警監(jiān)控與可追溯
研究[J].中國(guó)畜牧雜志，2009，45（9）：61-64.
[10] Leindorfer P R，Hassenhove L N.Managing risk in global supply
chains[M].Cambridge，Great British：Cambridge University
Press，2004.
[11] Applequist G E，Pekny J F，Reklaitis G V.Risk and uncertainty
in managing chemical manufacturing supply chain[J].Computers
and Chemical Engineering，2000，24（9）：2211-2222.
[12] 韓華，劉風(fēng)鳴，丁永生.基于海洋綜合觀測(cè)平臺(tái)的海洋智能預(yù)警的
研究[J].計(jì)算機(jī)工程與應(yīng)用，2008，44（30）：226-228.
[13] 朱世偉，賽英.基于主成分分析和粗徑向基神經(jīng)網(wǎng)絡(luò)的財(cái)務(wù)預(yù)警
模型研究[J].山東大學(xué)學(xué)報(bào)：理學(xué)版，2008，43（11）：48-53.
[14] 魏海坤，宋文忠，李奇.非線性系統(tǒng)RBF 網(wǎng)在線建模的資源優(yōu)化
網(wǎng)絡(luò)方法[J].自動(dòng)化學(xué)報(bào)，2005，31（6）：970-974.
[15] Buhmann M D.Radial basis functions[M].Cambridge，Great British：
Cambridge University Press，2001.
序號(hào)
1
2
3
測(cè)試數(shù)據(jù)（經(jīng)過預(yù)處理）
0.286，0.668，0.366，0.255，0.654，
0.251，0.310，0，0.216，0.257，0.331，
0.375，0.316，0.212，0.246，0.268
0.294，0.316，0.374，0.287，0.312，
0.264，0.312，0.6，0.241，0.779，0.346，
0.384，0.324，0.241，0.613，0.584
0.301，0.321，0.319，0.244，0.349，
0.264，0.305，0.2，0.243，0.735，0.325，
0.315，0.328，0.238，0.275，0.314
超標(biāo)序號(hào)
2，5
8，10
15，16
11
是否預(yù)警
否
是
否
表3 部分超限異常測(cè)試結(jié)果
表4 數(shù)據(jù)分布異常和趨勢(shì)異常分析的結(jié)果
異常類型
分布異常
趨勢(shì)異常
數(shù)據(jù)異常分析的結(jié)果
X=[4.76，5.25，4.49，6.04，5.42，5.92]
D=[6.00，6.00，6.00，6.00，6.00，6.00]
xi < di
gi = [0.27，-0.16，3.02，-0.34，-1.87，0.92]
gi < H（H=1.00）
ruv = -0.722
p=0.008
結(jié)果處理
總均值低于界限，
無(wú)警報(bào)
均值偏差高于界
限，需預(yù)警
趨勢(shì)減小但差異
非常顯著，發(fā)布預(yù)警
（上接123 頁(yè)）
[2] 郁志宏，王春光，張曉芳，等.改進(jìn)的粒子群神經(jīng)網(wǎng)絡(luò)檢測(cè)種蛋成活
性[J].計(jì)算機(jī)工程與設(shè)計(jì)，2007，28（2）：427-429.
[3] Gao X Z，Ovaska S J.Genetic algorithm training of elman neural
network in motor fault detection[M]//Neural Computing &amp;amp;
Application.London：Springer，2002：37-44．
[4] 王杰，閆東偉.提高預(yù)測(cè)精度的ELMAN和SOM神經(jīng)網(wǎng)絡(luò)組合[J].
系統(tǒng)工程與電子技術(shù)，2004，26（12）：1943-1945．
[5] Sun Jun，F(xiàn)eng Bin，Xu Wen-bo.Particle swarm optimization with
particles having quantum behavior[C]//Proceedings of Congress
on Evolutionary Computation.[S.l.]：IEEE Press，2004：325-331.
[6] Sun Jun，Xu Wen-bo，Liu Jing.Parameter selection of quantumbehaved
particle swarm optimization[C]//LNCS 3612：ICNC 2005.
Berlin/Heidelberg：Springer，2005．
[7] 余健，郭平.自組織映射（SOM）聚類算法的研究[J].現(xiàn)代計(jì)算機(jī)，
2007，3：7-8.
[8] Ho N B，Tay J C.GENACE：An efficient cultural algorithm for
solving the flexible Job-shop problem[C]//Proceedings of Congress
on Evolutionary Computation，2004：1759-1766.
[9] Abs A V，Cruz D A.Cultural operators for a quantum-inspired
evolutionary algorithm applied to numerical optimization problems[
J].Computer Science，2005，3562：1-10.
[10] Nguyen T T，Yao Xin.Hybridizing cultural algorithms and local
search[J].IDEAL，2006，4224：586-594.
張可，柴毅，翁道磊，等：物流單元質(zhì)量安全信息追溯預(yù)警模型研究205</η>

網(wǎng)友評(píng)論 more

電力安全論文最新內(nèi)容

03-05