工業品質量安全隱患指標體系和分級方法研究

卜劍楠 楊旸 王巖峰 彭琴

摘 要：本文以市場監管部門重點關注的工業品為研究對象，從工業品質量安全相關的監督抽查、專項檢查、輿情監測、生產企業等風險要素出發，利用均方差法、歸一化處理、聚類分析等統計方法，對構建工業品質量安全隱患指標體系和隱患分級方法進行了探索，并實際應用到電線電纜產品上，為工業品質量安全分級監管提供參考。

關鍵詞：工業品，隱患，指標體系，分級，質量安全

DOI編碼：10.3969/j.issn.1674-5698.2023.01.017

1 引 言

工業品是指購買以后用于加工生產或企業經營用的產品，即根據產品的購買目的來區分工業品和消費品，工業品的產品質量安全雖不如消費品那么引人關注，但是其質量安全出現問題，往往會帶來較大的經濟損失甚至人員傷亡，不容小覷。了解工業品質量安全隱患，除了實地進行隱患排查，還可以通過現有的隱患指標進行推測，當然，某個隱患指標不足以反映總體概貌，需要同時使用多個相關又獨立的指標，這多個指標所構成的統一整體，即為指標體系[1]。指標體系一般為量化的數據，不便于直接進行監督管理，若進一步進行隱患分級，針對不同等級產生的危害程度和影響范圍，采用分級監管方式，可以在監管人力、財力有限的情況下，更有效地發揮監管作用，消除工業品質量安全隱患。

2 研究現狀

國內外學者對于工業品質量安全隱患指標體系的研究較少，多是針對某類特定產品或特點指標進行研究。如：冷潔[2]等基于質量新聞分析重點工業品的質量風險情況；徐一[3]等基于多元回歸方法，針對出口類工業品的質量安全水平監測評價體系進行研究。在隱患分級方面，國內外主要是從危險源的角度理解隱患，側重于風險管理[4]和安全生產的角度提出隱患分級方法，針對工業品隱患分級方法的研究寥寥無幾。

現有研究為工業品質量安全隱患指標體系的建立和分級方法提供了重要思路，但多數停留在理論研究層面，也沒有形成統一全面的論述，對工業品質量監管和提升的意義不大。本文提出一套規范可拓展至各類工業品的隱患指標體系和分級方法，從區域維度識別區域性風險隱患，同時結合實際數據給出應用示例，直觀、有效地為工業品質量監管工作提供參考。

3 工業品質量安全隱患指標體系構建

本文研究對象為市場監管部門重點納入監管的、對生產生活產生較大影響的工業品，其質量安全相關的指標繁復龐雜，全部納入研究耗時耗力，且較多指標數據不便于獲取，需要對各類指標進行抽絲剝繭，精選出具有分析價值的隱患指標體系。本研究基于系統性、典型性、可獲取、可量化等指標選取原則，從政府工業品監管過程中產生的質量安全數據出發，輔以網絡輿情信息，提取出有實際應用價值的指標數據，構建反映工業品區域性質量安全隱患的數據指標體系。構建指標體系過程包括指標選取、數據清洗、建立指標體系等步驟。

3.1 指標選取

基于工業品監督抽查、專項檢查、輿情監測、生產企業等風險因素和映射因素，梳理、提取出較好反映工業品質量安全隱患的統計指標，形成工業品質量安全隱患指標集合。

監督抽查：市場監管部門為了監督管理產品質量，依法對產品有計劃地進行隨機抽樣、檢驗，并將監督抽查結果向社會公布[5 ]。國家和各地方市場監管部門每年都會對重要工業品進行監督抽查，產生大量國抽、地抽數據，從中可提取出批次不合格發現率、移送和拒檢批次占比等質量安全隱患指標。

專項檢查：為化解工業品產品質量安全存量風險，市場監管部門定期深入工業品生產企業、銷售企業，針對證照信息、生產設備、進貨驗收等質量環節開展專項檢查，排查企業是否存在質量安全隱患，從中可梳理出發現問題占比、問題企業處置進度、重點企業排查進度等質量安全隱患指標。

網絡輿情：隨著互聯網和各類社交媒體的發展，公眾慣以信息化的方式發表各自看法，某些熱點、焦點問題的探討產生的影響力越來越強，重點工業品的網絡輿情中往往蘊含該產品質量相關的信息，是了解該產品質量安全的重要參考。本文采用人機結合的方式，收集工業品質量安全相關的輿情信息并進行風險分級，量化提取出網絡輿情相關的質量安全隱患指標。

生產企業：各工業品在各個地區的生產企業分布往往不均勻，各區域的監管力度應與企業分布相關，集中產區需要側重關注，本文將各省生產企業占比作為權重，用于對各區域的隱患指標進行加權計算。

3.2 數據清洗

針對基礎指標集合中的各類數據，通過異常數據處理、垃圾信息過濾、數據量化等技術，對指標進行預處理。

異常數據處理：因可獲取的數據量有限，一些隱患指標中存在自然異常值，如：監督抽查中部分產品在某些省份僅抽查1個批次，那么這個數據不具有統計學意義，視為異常值。結合業務實際，本研究采用的異常值處理方法為均值替代的方式。

垃圾信息過濾：目前智能化的輿情采集方法為關鍵詞檢索，但收集的網絡輿情中常常含有垃圾信息，如：根據關鍵詞電纜、起火查詢電線電纜產品的輿情，會包含電纜著火試驗、安全防范宣傳等無效輿情，這些信息需要過濾。因場景復雜，利用過濾算法得出的結果很難符合預期，本研究中采用專業人員人工過濾垃圾信息的方式，得到有效可用的輿情信息。

數據量化：網絡輿情信息屬于非結構化的數據，無法直接作為隱患指標，本研究中對輿情信息進行區域信息提取和風險分級，量化得出網絡輿情隱患指標。其中，區域信息采用關鍵詞匹配的方式進行提取；風險分級采用德爾菲法進行分級，即專家們綜合考慮人員傷亡、經濟損失、傳播力、敏感度等風險要素進行打分，根據得分結果判定各輿情的風險等級，進而計算出各區域各級風險輿情數和生產企業數比值，得到量化的網絡輿情隱患指標。

3.3 建立指標體系

考慮到指標數值與風險隱患的正負相關性要保持統一，最終建立的工業品質量安全隱患指標體系見表1。

4 工業品質量安全隱患分級方法研究

隱患指標體系建立后，運用德爾菲方法、均方差法、歸一化處理、聚類分析等統計手段，通過確定權重、構建量化模型，逐步實現隱患分級。

4.1 確定權重

確定指標權重的方法有主觀賦值法和客觀賦值法兩大類。主觀賦值法主要由評估者根據經驗判斷各指標的權重，如：德爾菲法、主觀加權法、層次分析法等，該方法客觀性較差，但可解釋性強。客觀賦值法由數據指標在被測評過程中的實際數據確定權重，如：主成分分析法、熵值法、均方差法等，該方法精度較高，但容易與實際情況相悖，解釋性較差。

為客觀、準確、貼合實際地確定權重，本研究中將主、客觀賦值方法結合起來，采用德爾菲方法（即專家打分方法）和均方差法分別確定權重值，對權重值加權得到各類指標的權重，繼而依據該權重得到初步的隱患分級結果。一段時間后，根據質量安全事件發生情況、質量專項排查結果等新產生的數據，校核隱患分級結果是否貼合實際，如有明顯不符重新調節各指標的權重，動態擬合出高精度、強有效的指標權重。流程如圖1所示。

4.2 構建量化模型

用變量x i j 表示各省各類隱患指標，其中下標i（i=1， 2…31）表示我國境內31個省（區、市），j（j=1，2…17）表示表1中列出的17類隱患指標。量化模型構建步驟如下。

（1）計算各地區各類指標風險值。將表1中第17個指標生產企業占比作為權重指標，計算出各省各類隱患指標xij（i=1，2…31; j=1，2…16）的風險值（用δij表示），計算公式如下：

4.3 隱患分級

利用統計學中的聚類分析方法，對本文4.2中計算出的各省綜合風險值進行聚類，進而實現隱患分級。本研究采用K-means均值聚類方法，將聚類中心設置為4個，通過SPSS統計工具，運行得出各省聚類結果。根據聚類中心數值大小，將4類區域定義為高風險區域、較高風險區域、中風險區域、低風險區域，對不同區域可采用不同的監管手段，實現各區域工業品質量安全隱患分級。

5 電線電纜隱患指標體系和分級方法

本研究選取市場監管部門重點關注的電線電纜產品作為示例，按照本文第4部分中的步驟，計算出各省各類隱患指標相關數據，建立電線電纜產品的質量安全隱患指標體系。因涉及數據較多，本文僅列出部分省份部分隱患指標相關數據（見表2）。

根據本文4.1中描述方法，采用德爾菲法、均方差法分別計算出兩類權重值，對這兩類權重值再通過德爾菲法設置權重（德爾菲法權重0.7，均方差法權重0.3），初步確定出電線電纜產品各類隱患指標的權重數據（見表3）。

基于表3中的權重，按照本文4.2中步驟，計算出各省的綜合風險值。繼而依據4.3中提及方法，利用SPSS工具對各省綜合風險值進行聚類分析，得出最終聚類中心（見表4）。

根據聚類中心數值大小，得出各省隱患分級結果，經專家確認，分級結果較符合各省電線電纜產品質量安全情況，權重設置較為合理，基本實現了電線電纜產品的隱患分級，結果見表5。

6 結 語

本文圍繞監督抽查、專項檢查、輿情監測、生產企業等典型風險要素，對構建工業品質量安全隱患指標體系和隱患分級方法進行了探索，并實際應用到電線電纜產品上，分級結果與實際情況較為貼合，具有一定的參考價值。但是工業品質量安全相關的隱患指標種類繁多，不同工業品之間存在個體差異，還有待建立出更加全面可靠的隱患指標體系和分級方法，更有效地支撐工業品質量安全監管工作。

參考文獻

陳建宏. 統計學基礎[M]. 北京：北京理工大學出版社， 2013.冷潔， 唐錫晉， 閆志華， 等. 基于質量新聞的工業品質量風險分析[J]. 系統科學與數學， 2021，41（12）：3405-3421.

徐一， 宋曉峰. 基于多元回歸分析的出口工業品質量安全水平監測評價體系研究[J]. 求實， 2013（S2）：130-133.

劉升福. 企業戰略風險管理理論綜述[J]. 現代管理科學，2003（12）：31-32+23.

謝波， 楊旸， 王巖峰. 工業產品的質量要素作用機理初探[J].標準科學， 2022（03）：100-103+112.

陳浩平. 基于輿情分析的信息安全質量風險監測研究[D].北京：北京郵電大學， 2019.

萬娟秀， 蔣建平， 管慶玲. 制造業產業鏈高質量發展評價指標體系構建初探[J]. 中國標準化， 2022（15）：50-53+71.

劉欣欣， 孫良泉， 仝錫良. 基于政府監管角度的消費品質量評價體系研究[J]. 標準科學， 2020（12）：157-160.

岳高峰， 李果， 夏培松. 農機安全隱患因素分析和排查指標體系研究[J]. 農機質量與監督， 2022（05）：31-32.

卓德保，陳良猷. 質量評價及其模型研究[J]. 北京航空航天大學學報（社會科學版）， 2000（04） ：14-16+55.

蔣家東， 李相稹， 鄭立偉. 國家質量基礎設施研究綜述[J].工業工程與管理， 2019， 24（2）：8.